Metodologia della ricerca empirica socio-educativa (sul campo)

Approfondimento

Dietro le fasi della ricerca operano due «logiche» opposte e complementari. La logica «ipotetico-deduttiva», tipica dell'approccio quantitativo, muove dalla teoria: da essa si deducono ipotesi che i dati devono mettere alla prova, potendo confermarle o smentirle. La logica «induttiva», tipica dell'approccio qualitativo, fa il cammino inverso: parte dai dati e lascia «emergere» da essi i concetti e la teoria, come nella «grounded theory» (la teoria fondata sui dati) di Barney Glaser e Anselm Strauss. Il passaggio più delicato, in entrambi i casi, è l'«operazionalizzazione»: tradurre un concetto astratto in indicatori osservabili. Paul Lazarsfeld ne descrisse i quattro momenti — dalla rappresentazione del concetto, alle sue «dimensioni», agli «indicatori» empirici, fino alla loro sintesi in un «indice» —, avvertendo che nessun indicatore coincide mai del tutto con il concetto: fra «motivazione allo studio» e «numero di ore dichiarate» resta sempre uno scarto di cui essere consapevoli. Da qui l'importanza di distinguere con cura le variabili: quella «indipendente» (la presunta causa), quella «dipendente» (l'effetto) e le variabili «intervenienti» o di disturbo, che possono generare correlazioni «spurie» — associazioni apparenti dovute in realtà a un terzo fattore. Impostare bene il problema, le ipotesi e le definizioni operative è ciò che decide, fin dall'inizio, la solidità di tutta la ricerca.

Approfondimento

Un aspetto tecnico che l'esame apprezza è la consapevolezza dei «livelli di misurazione», la tipologia introdotta da Stanley Stevens: le variabili «nominali» classificano soltanto (il genere, l'indirizzo di studi); quelle «ordinali» ordinano senza misurare le distanze (una scala Likert dal «per niente» al «del tutto d'accordo»); quelle «a intervalli» e «a rapporti» misurano distanze e, le seconde, hanno uno zero assoluto (l'età, il numero di ore). Il livello di misurazione decide quali operazioni sono lecite: non ha senso calcolare la «media» di una variabile nominale come la religione, mentre per un dato ordinale è spesso più corretta la «mediana». Va inoltre distinta la «statistica descrittiva», che riassume i dati raccolti (con gli indici di tendenza centrale e di dispersione, come la deviazione standard), dalla «statistica inferenziale», che dal campione trae conclusioni sull'intera popolazione. È qui che entra il concetto di «significatività statistica»: un test ci dice quanto è probabile che una differenza osservata sia dovuta al caso anziché a un effetto reale. Infine, la qualità di un dato quantitativo dipende dalla cura nella costruzione dello strumento: la formulazione delle domande può orientare le risposte, e fenomeni come la «desiderabilità sociale» (rispondere come si crede opportuno) o l'«acquiescenza» (tendere ad approvare) minacciano la validità del questionario. Il numero, insomma, è affidabile solo quanto lo è la domanda che lo ha prodotto.

Approfondimento

La ricerca qualitativa non è un unico metodo ma una famiglia di tradizioni con logiche proprie, che vale la pena distinguere. La «grounded theory» di Glaser e Strauss costruisce la teoria dal basso, attraverso una codifica progressiva dei dati fino alla «saturazione teorica», il punto in cui nuove interviste non aggiungono più nulla di nuovo. L'«etnometodologia» di Harold Garfinkel studia come le persone producono, momento per momento, il senso della realtà quotidiana, servendosi anche di «esperimenti di rottura» che, violando le regole implicite dell'interazione, ne rivelano l'esistenza. Particolarmente importante per l'ambito socio-«educativo» è la «ricerca-azione» teorizzata da Kurt Lewin: una ricerca che non si limita a osservare, ma interviene per «trasformare» la realtà studiata (per esempio la vita di una classe), coinvolgendo gli stessi soggetti in un ciclo di azione e riflessione — l'insegnante che indaga e migliora la propria pratica ne è l'esempio tipico. Tutte queste tradizioni condividono criteri di rigore diversi da quelli quantitativi: non la replicabilità dell'esperimento, ma la «credibilità» dell'interpretazione, la sua radicazione nei dati, la trasparenza del percorso e la «triangolazione» di più fonti. Riconoscere che la profondità del qualitativo ha regole proprie — e non è un ripiego «meno scientifico» — è il segno di una comprensione matura della metodologia.

Approfondimento

Il campionamento è il punto in cui una ricerca vince o perde la sua capacità di generalizzare, e merita di essere conosciuto nel dettaglio. Fra i campioni «probabilistici» — quelli fondati sul caso, che soli permettono di stimare l'errore — si distinguono il «casuale semplice» (ogni soggetto ha la stessa probabilità di essere estratto), il «sistematico» (si estrae un soggetto ogni k), lo «stratificato» (si divide la popolazione in strati e si estrae da ciascuno in proporzione, così da rispettarne la composizione) e il «a grappoli» o multistadio (si estraggono prima gruppi, per esempio scuole, e poi individui). Fra i campioni «non probabilistici», tipici della ricerca qualitativa o esplorativa, ci sono quello «di convenienza», quello «per quote», quello «a valanga» (ogni intervistato ne indica altri, utile per popolazioni difficili da raggiungere) e quello «ragionato», in cui i casi sono scelti perché significativi. La lezione più importante è che «grande» non significa «rappresentativo»: il celebre sondaggio del Literary Digest del 1936, pur basato su milioni di risposte, sbagliò clamorosamente la previsione elettorale perché il campione era distorto, mentre George Gallup, con poche migliaia di casi ben rappresentativi, indovinò. Un campione piccolo ma ben costruito vale più di uno enorme ma sbilanciato. E anche il campione migliore va poi trattato con rigore etico: consenso informato, anonimato, riservatezza e onestà nel riportare persino i risultati che smentiscono le nostre ipotesi.