Ricerca scientifica - Università degli Studi di Messina

Ricerca scientifica
Processo di ricerca
Testi di riferimento:
Coon, Mitterer (2011) Psicologia
generale. UTET – Cap. 1
Pedon, Gnisci (2004) Metodologia della
ricerca psicologica. Mulino – Cap. 2
La ricerca scientifica
Il metodo scientifico: processo fondato sulla
raccolta attenta delle prove attraverso
descrizioni e misurazioni precise, sulla ricerca
di leggi di carattere generale attraverso
osservazioni controllate e risultati ripetibili.
Il metodo scientifico ideale è costituito
da sei tappe:
1) Effettuare delle osservazioni
2) Definire un problema
3) Proporre un’ipotesi
4) Raccogliere le prove per
verificare l’ipotesi
5) Pubblicare i risultati
6) Costruire una teoria
Enunciazione di domande
Risposte provvisorie
Formulazione di ipotesi di relazioni
Scelta di strumenti e metodi di
verifica
Attuazione della ricerca
Verifica delle ipotesi
Interpretazione dei risultati
Generalizzazione dei risultati
Produzione di nuovi quesiti
Logica scientifica
Le ipotesi specifiche possono essere testate in
modi diversi.
Gli psicologi rivedono continuamente le loro
teorie in modo da includere anche nuove prove
empiriche.
1) Identificazione del problema
2) Pianificazione del disegno
sperimentale
3) Fase delle osservazioni
4) Fase dell’analisi dei dati
5) Fase dell’interpretazione
dei dati
6) Comunicazione dei risultati
CONOSCENZE / TEORIA
PROBLEMA
IPOTESI GENERALI
PROCESSO DI RICERCA
Identificazione problema e
formulazione ipotesi di ricerca
Pianificazione esperimenti
Raccolta dei dati
Analisi dei dati
Interpretazione dei dati
Pubblicazione dei risultati
Identificazione del problema di ricerca
Interessi personali del ricercatore: studio intensivo dei casi
singoli (es. Freud o Ebbinghaus)
Fatti paradossali e fortuna (serendipità)
Tentativi di risolvere problemi pratici: ricerca applicata
Teorie e risultati di precedenti ricerche fanno sorgere nuovi
problemi in 2 modi:
– Influenza euristica: quando suscita un enorme interesse
(es. teoria evoluzionistica e teoria freudiana)
– Influenza sistematica: quando fanno affermazioni esplicite e
direttamente verificabili (es. condizionamento operante)
Confronto con i collegi
Competizione
Scelta dell’argomento e
analisi della letteratura
Ogni lavoro di ricerca comincia con la
ricerca bibliografica:
•Riviste scientifiche cartacee
•SBA
•PsychInfo
•ERIC
•MedLine
•PsychArticles
L’esperimento in psicologia.
Esperimento: prova formale svolta per confermare o
negare un’ipotesi relativa alle cause di un comportamento.
–
–
Soggetti sperimentali
Partecipanti
Variabile: qualsiasi condizione che può cambiare valore o
essere modificata durante un esperimento.
–
–
–
Variabili indipendenti
Variabili dipendenti
Variabili estranee o intervenienti
Formulazione di ipotesi
Come deve essere un’ipotesi?
• Non ripetitiva
• Non generica
• Falsificabile (Ipotesi Ho e ipotesi H1)
• Operazionale
(deve consentire misurazioni)
Formulazione di ipotesi = verificare
relazioni fra due o più aspetti (variabili)
IPOTESI DESCRITTIVA
IPOTESI SPERIMENTALE
IPOTESI DIFFERENZIALE
IPOTESI CORRELAZIONALE
Ipotesi descrittiva
Viene formulata quando la letteratura o
l’esperienza empirica non consente di
effettuare ipotesi accurate. Quando cioè non
è possibile effettuare alcuna ipotesi sui
risultati attesi.
Es. sondaggi, screening, atteggiamenti ecc.
Ipotesi sperimentale
Presuppone che almeno una variabile
indipendente influenzi almeno una variabile
dipendente ….. Y=f(X) è come dire VD=f(VI)
Valuta, quindi, i rapporti di causa/effetto
Si formula sempre in termini “Se ... Allora”
Ipotesi differenziale
Implica almeno una variabile di disegno
Presuppone che vi siano differenze in
almeno una variabile dipendente
Si formula sempre in termini “differenziali”
Nella ricerca sperimentale le condizioni sono
provocate dal ricercatore
Nella ricerca differenziale il ricercatore
prende atto di condizioni già esistenti
- ne valuta solo il grado di relazione
Ipotesi correlazionale
Presuppone che almeno una variabile osservata
si correli con un’altra variabile osservata …..
NON valuta i rapporti di causa/effetto
Si formula sempre in termini “correlazionali”
Si vogliono descrivere le capacità
dei genitori di gestire i comportamenti
inadeguati dei loro figli.
Se i genitori partecipano ad un corso di
formazione allora si osserverà una riduzione
dei comportamenti inadeguati dei loro figli.
Osservativa
Sperimentale
Padri e madri hanno diverse capacità di gestire
i comportamenti inadeguati dei loro figli ?
Differenziale
Le capacità dei genitori di gestire i comportamenti
inadeguati dei figli sono correlate (+ o - ) con la
frequenza di emissione dei comportamenti
inadeguati ?
Correlazionale
Le variabili
Precisione nella misurazione (continua – discreta)
Ruolo all’interno dell’esperimento
–
–
Variabili indipendenti (manipolate non manipolate)
Variabili dipendenti – osservate
Ruolo di “disturbo”
–
Variabili confuse o confondenti
Errori di misurazione
Grado di osservazione
Caratteristiche delle
variabili
QUALITATIVE
QUANTIVATIVE
“DISCRETE”
DISCRETE CONTINUE
Non può assumere
qualsiasi valore
all’interno di un
intervallo dato.
Rappresenta uno o più
oggetti, ma non frazioni
di essi …
Es. n° di libri in una
biblioteca
Può assumere qualsiasi
valore numerico.
Rappresenta anche frazioni
di uno o più oggetti …
E’ influenzata dallo
strumento di misurazione
Es. altezza di un individuo
Relazioni tra variabili
Ipotesi
sperimentale
V. indipendente
V. interveniente
o di disturbo
f
V. dipendente
Ipotesi
differenziale
V. di disegno
V. osservata
Ipotesi
correlazionale
V. osservata
V. osservata
Ipotesi
osservativa
1 o più
variabili osservate
• Indipendenti (VI) che producono (causa) influenza
(condizioni provocate dal ricercatore)
• Dipendenti (VD) che subiscono (effetto) influenza
• Invocate (di disegno) – classificazioni differenziali
(condizioni di cui il ricercatore può solo
prendere atto: non sono manipolabili)
• Osservate (VO) (sulle quali si verificano le eventuali
differenze)
• Intervenienti (di disturbo) possono influenzare i
risultati, anche se non sono previste
nell’ipotesi (devono essere
“controllate”, cioè neutralizzate)
neutralizzate
Modi di trattare le variabili
Per la verifica delle ipotesi Y = ( f ) X
• Modo X (Variabili indipendenti o invocate)
• Modo Y (variabili dipendenti o osservate)
Nella ricerca correlazionale (co-variazione) entrambe
le variabili sono trattate con il modo Y
Variabili di “distrubo”
Variabile confondente – non controllata che
covaria con la variabile indipendente (se Ip.
Sperimentale) ma è estranea a essa. Incide
sulla validità interna (nesso causale)
Variabile confusa – non controllata che covaria
con la variabile indipendente (se Ip.
Sperimentale) ed è associata ad essa. Incide
sulla validità di costrutto
Entrambi devono essere controllate.
Per controllare le variabili di “disturbo”
Modo K (costante)
Modo M (matching)
Modo R (random)
Modo Z (ignorare)
Errori o fonti di variazione
SISTEMATICI
DISTORSIONI
COSTANTI
CASUALI
(O ACCIDENTALI)
DISTORSIONI
CASUALI
ERRORI
Grado di osservazione
In base alla possibilità di osservare
direttamente le variabili, si distinguono in
variabili latenti e variabili manifeste.
La variabile latente non può essere osservata
ma si ipotizza l’esistenza per spiegare altre
variabili che possono essere osservate
direttamente (variabili manifeste).
Metodo sperimentale:
con l’assegnazione casuale o randomizzazione, un
partecipante ha la stessa possibilità di far parte del
gruppo sperimentale o del gruppo di controllo; consente
di distribuire in maniera equilibrata le differenze personali
nei due gruppi e, quindi, di effettuare un controllo sulle
variabili estranee.
Elementi di un esperimento ideato per stabilire gli effetti dell’ascolto della musica
durante lo studio attraverso i punteggi ai test.
Il controllo sperimentale viene realizzato bilanciando le variabili estranee nel gruppo sperimentale e nel
gruppo di controllo. Per esempio, l’età media (A), la formazione (B) e l’intelligenza (C) dei membri
potrebbero essere le stesse in entrambi i gruppi.
Quindi si potrebbe manipolare la variabile indipendente nel gruppo sperimentale. Se il comportamento dei
membri (la variabile dipendente) cambia (rispetto al gruppo di controllo), tali effetti possono essere attribuiti
alla variabile indipendente che, pertanto, dovrebbe aver causato il fenomeno.
I placebo e le profezie
autoavverantesi.
Effetto placebo: cambiamento nel
comportamento causato dalla convinzione di
aver assunto un farmaco.
Profezia autoavverantesi: previsione che
induce ad agire in modo che la previsione si
realizzi.
Metodi di ricerca non sperimentali.
Metodo descrittivo
Metodo correlazionale
Metodo clinico
Metodo dell’inchiesta.
Metodo descrittivo
(osservazione naturalistica)
indagine empirica in cui non c’è alcun intervento sui fenomeni
studiati che consiste nell’osservazione e nella raccolta
sistematica di dati sul comportamento in un ambiente naturale.
Influenza dell’osservatore
Distorsione dell’osservatore
Errore di antropomorfizzazione
Registrazione delle osservazioni
Metodo correlazionale:
consiste nella misurazione e confronto fra variabili
per scoprire se esiste fra loro una relazione.
– Coefficiente di correlazione: indice statistico che
può variare da -1,00 a +1,00 e che indica la
direzione e il grado di correlazione.
– Correlazione positiva: al crescere di una
variabile corrisponde l’aumento dei valori
dell’altra variabile.
– Correlazione negativa: l’aumento di una variabile
è associato alla diminuzione dell’altra variabile.
Una correlazione tra due variabili può significare che X causa Y, che Y causa X o che una
terza variabile, Z, causa sia X sia Y.
Metodo clinico:
conosciuto anche come metodo del caso
singolo, in cui si cerca di aiutare la persona
a risolvere i propri problemi attraverso la
raccolta di informazioni tramite il colloquio
clinico e la somministrazione di test e
questionari.
Metodo dell’inchiesta:
metodo non sperimentale in cui vengono
sperimentate tecniche specifiche per creare
domande e codificare le risposte.
–
–
Campione rappresentativo
Campione non rappresentativo.
Pianificazione di una ricerca
Processi inferenziali (procedure di campionamento)
Piani della ricerca
Processi di misurazione (scale di misura)
Popolazione e campione
Indagine totale
A
POPOLAZIONI
IPOTESI
A=B
A<B
A>B
A=B
B
Indagine campionaria
POPOLAZIONI e CAMPIONI
A
B
b
a
IPOTESI
a=b
A=B
a<b
A<B
a>b
a=b
Generalizzazione
A>B
A=B
Pianificazione
Confronto fra i soggetti
– Confronto entro i soggetti
Confronto fra/entro i soggetti
Piani combinati
Piani a misure ripetute
Piani a gruppi indipendenti
Raccolta dei dati:
Misurazione delle variabili
Per Stevens (1946) la misurazione è l’associazione tra una
categoria e oggetti, eventi …. in base a regole di
corrispondenza.
La misurazione di un sistema empirico è la costituzione di un
sistema numerico (formale) in modo tale che ci sia una
relazione di omomorfismo (stessa forma) con il sistema
empirico (Pedon, 1999).
Variabile è qualsiasi caratteristica (fisica o psichica) del
soggetto che può assumere valori diversi in un dato intervallo e
che varia da individuo a individuo.
Ogni variabile è formata da un insieme di categorie che
esprimono l’ambito di variazione della variabile stessa (Livelli)
Raccolta dei dati
Strumenti
Per Stevens (1946) individua 4
categorie di variabili sulla base
della scala utilizzata per la
misurazione.. in base alle relazioni
intercorrenti tra i livelli di variazione
di una variabile:
1) categoriale o nominale
2) ordinale
3) a intervalli equivalenti
4) a rapporti equivalenti
Scale di misura
nominale
intervalli
rapporti
ordinale
quantitative
qualitative
I numeri possono servire a
rappresentare relazioni:
Di identità (etichette classificatorie per
suddividere gli eventi)
Di ordine (maggiore di…)
Di intervalli (differenze tra gli attributi di ogni
evento, riferite ad un valore costante e noto,
stabilito arbitrariamente)
Di rapporti (differenze tra gli attributi di ogni
evento, a partire da zero)
Scala nominale
Serve a quantificare gli aspetti qualitativi (attributi) di
una variabile.
Quali sono le modalità attraverso le quali la variabile “x” si
potrebbe presentare?
I soggetti che possiedono (o non possiedono) quella
caratteristica, o le risposte di quel determinato tipo (o del
suo opposto) vengono distribuiti alle classi evidenziate in
base alla presenza-assenza dell’attributo che le definisce.
(Esempio: i pazienti di un ospedale vengono “enumerati”
enumerati
in base ad una classificazione nosologica).
Scala ordinale
stabilisce una relazione di ordinalità tra le sottoclassi, in
relazione ad un attributo che può essere di tipo
quantitativo (es. altezza, peso, ecc.) o di tipo qualitativo
(es. livello di difficoltà, atteggiamento più o meno
favorevole, ecc.).
I valori posseduti o ottenuti da ciascun soggetto
determinano la sua collocazione ad un livello d’ordine
specifico entro un continuum, in cui l’ampiezza della
distanza tra un livello e l’altro è variabile e non prevedibile;
l’ordine gerarchico viene rispettato, ma la “distanza” tra il
primo e il secondo non è confrontabile a quella tra il
secondo e il terzo e così via).
Scala ad intervalli
Come una scala ordinale
all’interno di ogni sottoclasse, gli elementi
sono ordinati in modo che l’intervallo (la
differenza) possibile tra un elemento e
l’altro sia costante e noto.
Scala ad intervalli
come una scala ordinale, solo che, all’interno di
ogni sottoclasse, gli elementi sono ordinati in modo
che l’intervallo (la differenza) possibile tra un
elemento e l’altro sia costante e noto.
Proprietà: si stabilisce un valore “x” da attribuire alla
distanza possibile tra un punto e quello successivo.
Operazioni possibili: ciascun dato può essere
moltiplicato o diviso per un valore costante e a
questo si può aggiungere o sottrarre un altro valore
costante. Si possono fare tutte le operazioni
aritmetiche.
E’ difficile che tra gli eventi psichici ci sia una
gradualità misurabile in tal modo.
E’ possibile, ad esempio, fissare (e quantificare)
una differenza minima possibile tra un livello di
fobia ed un altro?
Possiamo invece stabilire quanto tempo passa tra
la comparsa di un oggetto e l’emissione del
sintomo;
oppure
quante volte un soggetto debba ripetere un certo
trattamento perché il sintomo scompaia, ecc.
Si può fare riferimento a qualsiasi unità di misura, purché il
rapporto tra due intervalli possibili sia costante
In caso contrario, si rischierebbe di dare interpretazioni
arbitrarie, perché il presupposto delle scale
parametriche è che la VD si distribuisca
normalmente.
Per esempio,
esempio quando si tenta di quantificare abilità o
attitudini si cade nell’arbitrio perché è difficile valutare,
cioè dare un valore numerico, alla qualità di una risposta,
pertanto diventa arbitrario stabilire una differenza fissa tra
un tipo di risposta e un altro.
altro
Qual è la scala di misura della V.D.?
Due elementi diversi della variabile
possono essere messi in ordine ?
no
Scala nominale
si
Fra due elementi diversi è possibile
calcolare una differenza che si riconduca
ad una unità di misura?
no
Scala ordinale
si
Esiste uno zero assoluto? no
si
Può assumere solo
valori interi?
Può assumere solo valori interi?
si
no
Scala a rapporto
discreta
Scala a rapporto
continua
si
Scala a intervallo
discreta
no
Scala a intervallo
continua
Possibili trasformazioni
Rapporti
io
z
du
i
R
ne
d
la
a
c
s
i
Ordinale
Intervalli
Moltiplicazione per una
costante positiva
Somma e moltiplicazione per una
costante positiva
Operazioni che mantengono l’ordinamento
Nominale tra gli oggetti
Sostituzione del sistema di codifica
Analisi dei dati
La statistica serve a stimare le caratteristiche
di una popolazione a partire dalle rilevazioni
fatte su un campione
Verificare l’ipotesi (se due o più campioni
provengono dalla stessa popolazione = H0)
Confronto tra tipi di variabili e scale di misura:
qualitativa
discreta
Scala nominale
quantitativa
Intervalli/rapporto discreta
Scala ordinale
continua
Intervalli/rapporto continua
Statistiche non
parametriche
Statistiche
parametriche
MA SOLO SE
la distribuzione dei dati è normale
Il campione è sufficientemente numeroso
I dati sono indipendenti
Varianze omoscedastiche
Analisi dei dati - Statistica
Non Parametrica
Parametrica
IPOTESI
DESCRITTIVA
CORRELAZIONALE
SPERIMENTALE
DIFFERENZIALE
PIANI
misure ripetute
gruppi indipendenti
TUTTI
SCALE
TUTTE
Intervalli
Rapporti
DISTRIBUZIONE
distribution free
NORMALE
Indipendenza delle osservazioni
derivazione da un modello lineare
con effetti additivi (Xi = µ + τ + ε)
Omoscedasticità delle varianze
I test per dati parametrici si basano sulle
caratteristiche della distribuzione normale;
quelli per dati non parametrici non pongono vincoli
sulla popolazione d’origine (distribution free) o sono
meno vincolanti.
Per questa ragione sono più duttili e meglio si
possono adattare a descrivere gran parte degli eventi
comportamentali, anche se, ovviamente,
la quantità e qualità di informazioni che possono
fornire i test per dati parametrici (es. t di Student,
AN.O.VA) sono nettamente superiori.