Metodologia di Ricerca PT 4 (2) PDF

L\'inchiesta: Somministrazione e Campionamento ============================================== 1. Somministrazione del questionario ------------------------------------ Vi sono essenzialmente quattro modi differenti di somministrare i questionari per un'inchiesta: faccia a faccia, per iscritto, attraverso il computer, e per telefono. Ognuno di questi metodi ha sia vantaggi che svantaggi. **Somministrazione faccia a faccia.** Le interviste personali hanno diversi **vantaggi**: in primo luogo**, è possibile stabilire un rapporto con l'intervistato:** questo fattore concorre a ridurre l'ansia associata ad una situazione nuova; in secondo luogo, vi è la **possibilità di dirigere l'attenzione dei soggetti sul materiale e motivarli a rispondere accuratamente ad ogni domanda;** in terzo luogo**, l'intervistatore può facilmente accorgersi quando il soggetto fraintende il significato** di una domanda e quindi può intervenire per spiegarne il significato; infine, l'intervistatore **ha la possibilità di indagare a fondo** per avere risposte più complete se il soggetto fornisce risposte troppo brevi o incomplete. Il principale **svantaggio** associato a questo metodo consiste nel fatto che **la presenza dell'intervistatore** crea una situazione sociale che può **influenzare le risposte**: i soggetti possono dire quello che pensano che l'intervistatore voglia sentirsi dire (effetto intervistatore). Inoltre, vi sono notevoli **problemi pratici.** Si tratta di un metodo molto **costoso,** a causa della necessità di spostarsi da un luogo all'altro (l'intervistatore deve recarsi dove risiedono gli intervistati). Spesso le interviste devono essere fatte in **orari problematici** (ad esempio, la sera tardi), in quanti gli intervistati hanno impegni di lavoro. Ciò può creare delle preoccupazioni per la sicurezza degli intervistatori. Inoltre, è **difficile supervisionare il lavoro degli intervistatori** (i quali potrebbero falsificare dei dati, evitando così di effettuare lunghi spostamenti). **Somministrazione scritta.** Nella maggior parte dei casi, la somministrazione scritta prevede che i **questionari** siano inviati ai soggetti per posta (o eventualmente per e-mail). Tuttavia, per alcune organizzazione come la chiesa (le quali hanno numerosi membri che frequentano lo stesso luogo, ma che non possono essere presenti tutti nello stesso momento) può essere vantaggioso lasciare i questionari in un luogo prefissato (punto di raccolta). Gli intervistati semplicemente prendono una copia del questionario e lo restituiscono in un momento successivo. I **vantaggi** associati alla somministrazione scritta sono essenzialmente tre: si tratta di un metodo relativamente **poco costoso,** se confrontato con la somministrazione faccia a faccia; i soggetti possono completare il questionario con comodo e hanno una **maggiore garanzia di anonimato** nel fornire le risposte; gli **effetti di disturbo dovuti alla presenza dell'intervistatore** sono completamente eliminati. Lo **svantaggio** più evidente riguarda senza dubbio la **bassa percentuale di risposta** (spesso inferiore al 50%). Inoltre, lo sperimentatore **non ha la possibilità di chiarire le domande**, le quali possono essere fraintese, ed è impossibile accertare la serietà con cui i soggetti hanno risposto. **Somministrazione attraverso il computer.** Se il soggetto si trova in un ufficio o in un laboratorio, il questionario può essere somministrato con il computer. I **vantagg**i connessi a questo metodo sono numerosi: il computer è **impersonale**: ciò riduce gli effetti dovuti alla **presenza dell'intervistatore** e alla tendenza dei partecipanti a fornire **risposte socialmente desiderabil**i; il computer è **costante**, il che implica che tutte **le domande saranno presentate nell'ordine corretto**, senza che ne sfugga nessuna; il computer **può controllare le risposte non valide on-line e sollecitare l'intervistato a fornire una risposta diversa**; infine, il computer **può controllare le eventuali ramificazioni delle domande, evitando di porre domande errate.** **Somministrazione per telefono.** Negli ultimi decenni, la somministrazione per telefono (fisso o cellulare) è diventata estremamente popolare, in quanto la maggior parte delle persone ne possiede uno. Nel caso in cui si utilizzi un elenco telefonico, il metodo implica la scelta di una certa zona telefonica e la selezione casuale delle ultime quattro cifre da una tavola dei numeri random. I **vantaggi** sono notevoli: si tratta di un metodo a **basso costo**, in quanto anche i costi legati alla stampa del questionario sono abbattute; è un metodo **rapido**, in quanto l'intervistatore non deve spostarsi da un luogo all'altro e non bisogna attendere che i soggetti rimandino i questionari per posta; vi è la possibilità di **usare interviste assistite dal computer**. l'intervistatore legge la domanda dal monitor e inserisce le risposte attraverso la tastiera; infine, vi è la possibilità di **condurre le interviste da un luogo centralizzato in cui gli intervistatori possono essere supervisionati.** D'altra parte, la somministrazione per telefono comporta anche degli **svantaggi,** tra i quali: la **bassa validità esterna**: possono essere raggiunte soltanto le persone che hanno il telefono e, soprattutto, solo quelle disposte a rispondere (molte persone rifiutano di sottoporsi al questionario); il **minore anonimato rispetto alle inchieste per posta:** le interviste telefoniche di fatto introducono la possibilità di **effetti di disturbo dovuti all'intervistatore** (veicolati, per esempio, dal tono della voce); la **maggiore difficoltà nel porre domande aperte e/o complicate;** la **maggiore difficoltà nello stabilire un rapporto con l'intervistato;** la **necessità di proporre questionari brevi** per evitare che i soggetti si stanchino prima della fine delle domande. ### **Somministrazione del questionario:** 1. - - 2. - - 3. - - 4. - - ### **Tipi di campionamento:** 1. - 2. - 3. - 2. Il Campionamento ------------------- [La validità di una inchiesta è determinata soprattutto dal modo con cui sono stati campionati i soggetti.] In generale, esistono quattro tipi di campionamento: **a) campionamento arbitrario;** **b) campionamento finalizzato ad uno scopo;** **c) campionamento di convenienza; e** **d) campionamento probabilistico.** [Le inchieste più soddisfacenti utilizzano campionamenti probabilistici in cui la probabilità di selezionare un determinato elemento della popolazione è nota a-priori.] In questo paragrafo saranno discussi i primi tre metodi, mentre il campionamento probabilistico sarà illustrato nel paragrafo successivo. **Campionamento arbitrario.** Questo tipo di campionamento si ha quando **il ricercatore utilizza metodi arbitrari per reclutare le persone.** *Uno dei casi più famosi di uso di un campionamento arbitrario accadde nel 1936, quando la rivista «Literary Digest» condusse un'inchiesta cercando le persone da intervistare negli elenchi telefonici e nei registri automobilistici*. *L'inchiesta portò alla previsione completamente errata che Roosevelt avrebbe perso le elezioni a favore di Landon.* *La spiegazione più accreditata per questo errore fu che a quell'epoca le persone che potevano permettersi il telefono e l'automobile votavano in maggioranza per il partito repubblicano (del quale Landon era il candidato alla presidenza).* Di fatto, i campioni arbitrari sono invalidi quasi quanto i campioni senza alcun controllo. **Campionamento finalizzato ad uno scopo.** In questo caso**, il ricercatore sceglie il campione non casualmente**, ma per qualche ragione particolare. *Ad esempio, un ricercatore potrebbe svolgere una inchiesta sulle opinioni dei rettori delle 50 principali università in relazione ai cambiamenti desiderabili nel curriculum degli studenti. Certamente, data la loro pluriennale esperienza, le opinioni dei rettori possono avere più valore rispetto a quelle che si potrebbero ottenere da un campione estratto casualmente dalla popolazione.* Il principale **vantaggio** del campionamento finalizzato ad uno scopo è che spesso [i campioni selezionati con questa tecnica si possono quasi considerare come una popolazione] (in pratica, tuttavia, il ricercatore non ha quasi mai accesso ad una popolazione, neanche ad una piccola come quella dei rettori dei più importanti atenei). Per contro, il principale **svantaggio** di questo metodo è che [qualsiasi errore di giudizio da parte del ricercatore nel selezionare il campione può influenzare i risultati.] *Nell'esempio precedente, la lista delle più importanti università compilata da un determinato ricercatore ha maggiore probabilità di includere le università della regione in cui egli risiede (oppure in cui egli lavora), rispetto alla lista fatta da altri ricercatori.* Ciononostante, un campionamento finalizzato ad uno scopo è spesso preferibile rispetto ad un campionamento arbitrario. **Campionamento di convenienza.** Quando utilizza questo metodo, il ricercatore seleziona un gruppo di convenienza, che non può avvicinarsi al campionamento dell'intera popolazione, ma [al quale egli può accedere facilmente. ] Così, un ricercatore interessato a studiare lo sviluppo sociale in bambini di scuola elementare avrebbe innumerevoli scuole tra cui scegliere, ma è certamente più conveniente sceglierne una nella stessa città o nello stesso quartiere in cui egli risiede. In psicologia, la maggior parte dei campioni sono di convenienza, trattandosi quasi sempre di studenti universitari. 3. Il Campionamento probabilistico ---------------------------------- Il campionamento probabilistico è l'unico metodo che [permette al ricercatore di conoscere in anticipo la probabilità che ogni individuo della popolazione ha di essere incluso nel campione]. La maggior parte di queste tecniche si basano sul campionamento casuale, il quale richiede che siano soddisfatte due precise condizioni: [ Ogni elemento della popolazione deve avere la stessa probabilità di essere scelto per formare il campione; ] [ la selezione di un elemento deve essere indipendente dalla selezione di ogni altro elemento]. Per illustrare questo secondo punto, si supponga che il ricercatore scriva i nomi di una serie di coppie di persone (ad esempio, Giovanni e Maria) su alcuni foglietti di carta (in modo tale che ogni foglietto sia associato ad una sola coppia). Successivamente, il ricercatore inserisce i foglietti in un'urna e ne estrae casualmente un certo numero a sorte. È chiaro che questo campionamento non è casuale, in quanto se viene scelto il nome di Giovanni, allora lo sarà anche quello di Maria. Quindi, la selezione di Maria dipende da quella di Giovanni. Per avere un vero campionamento casuale, il ricercatore dovrebbe scrivere il nome di un singolo partecipante su ciascun foglietto e ripetere l'operazione di estrazione. [Il **campionamento sistematico** è un metodo di campionamento probabilistico che tuttavia non è casuale.] Consiste nel prendere ogni «ennesimo» individuo da un elenco. *Ad esempio, si supponga che uno sperimentatore desideri selezionare 20 studenti da un corso di 80 studenti.* *Il primo passo consisterebbe nell\'identificare ogni studente con un numero (da 1 a 80); successivamente, il ricercatore potrebbe decidere di selezionare il primo nome di ogni quattro (corrispondente al 25% degli studenti).* *Questo campionamento non sarebbe casuale, in quanto i partecipanti nelle posizioni 1, 5, 9 e così via avranno una probabilità del 100% di essere selezionati, mentre tutti gli altri partecipanti avranno una probabilità pari a zero.* *Il campionamento sistematico può andare bene per ragioni pratiche (la sua estrema semplicità), ma le conseguenze a livello metodologico varieranno a seconda della composizione della lista iniziale.* **Se la lista presenta una qualche struttura, il campione non sarà casuale** (se avete una lista alternata di nomi di maschi e femmine e decidete di estrarre un nome ogni dieci posizioni, il risultato sarà che avrete un campione composto da soli uomini o da sole donne). Tuttavia, **se la lista non ha nessuna struttura, i risultati andranno bene come quelli ottenuti con un campione casuale.** **Il campionamento casuale semplice viene in genere utilizzato quando si ritiene che la popolazione sia relativamente omogenea rispetto alla questione di interesse.** *Considerando l\'esempio precedente, si supponga di dover selezionare un gruppo di 20 studenti da un corso di 80 studenti.* *Dopo aver ottenuto l\'elenco e identificato ogni studente con un numero (da 1 a 80), occorre procurarsi una lista di numeri random, la quale contiene colonne di numeri ad una cifra.* *A questo punto, bisognerebbe tracciare una riga in modo da formare una colonna di due cifre e scegliere i primi 20 numeri compresi tra 1 e 80 (evitando le ripetizioni e i numeri maggiori di 80).* Il campionamento casuale stratificato si applica quando vi sono **sottogruppi della popolazione che potrebbero dare risposte molto diverse tra loro.** Essenzialmente, il metodo consiste nell\'effettuare un campionamento casuale da ciascun sottogruppo, i**n modo tale da rispettare le proporzioni con cui i vari sottogruppi sono presenti nella popolazione**. *Così, continuando con l\'esempio precedente, se nel corso di 80 studenti vi sono 48 maschi (60%) e 32 femmine (40%) e si vuole estrarre un campione di 20 studenti, un ipotetico ricercatore che utilizzi il campionamento casuale stratificato dovrà selezionare in modo casuale 12 maschi (60%) dal gruppo di 48 maschi e 8 femmine (40%) dal gruppo di 32 femmine.* Il **campionamento a gruppi** si applica quando è impossibile o impraticabile **fare un lista di tutti gli elementi della popolazione.** *Si supponga, ad esempio, che un ricercatore desideri selezionare un decimo di tutti gli studenti di una università. Un elenco di tutti gli studenti iscritti potrebbe non essere disponibile, o potrebbe essere difficile da reperire.* *A questo punto, il ricercatore potrebbe decidere di selezionare gli studenti direttamente dai corsi. In questo caso, dovrebbe procurarsi una lista dei corsi e selezionare casualmente un decimo dei corsi: tutti gli studenti appartenenti ai corsi selezionati faranno parte del campione.* *Certamente[, è plausibile ritenere che gli studenti di uno stesso corso si assomiglino di più fra loro rispetto a quanto si otterrebbe con un campionamento casuale; tuttavia, la facilità nel selezionare il campione permette al ricercatore di studiare più individui,] e questo compensa gli svantaggi di non aver un campione puramente casuale.* Infine, [il **campionamento a più stadi** è una specifica forma di campionamento a gruppi che procede per fasi successive, fino a selezionare specifici gruppi di interesse. ] Un esempio dell\'applicazione di tale metodo proviene da uno studio di **Johnston et al.** (1991) sulla diffusione dell\'**uso di droga** tra gli studenti dell'ultimo anno delle superiori. In primo luogo, gli autori selezionarono in modo casuale [un certo numero di aree geografiche;] successivamente, selezionarono [casualmente una o più scuole all\'interno di ogni area geografica; i]nfine, selezionarono gli studenti delle ultime classi all\'interno di ciascuna scuola. Certamente, questo metodo [non è accurato come il campionamento casuale:] tuttavia, con un campione di 1000 partecipanti, è possibile stimare gli atteggiamenti con un margine di errore del 4% (rispetto al 3% che si otterrebbe con un campionamento puramente casuale: Weisberg & Bowen, 1977). **Campionamento probabilistico**: Permette di conoscere la probabilità di inclusione di ogni individuo. Il campionamento casuale richiede che ogni individuo abbia la stessa probabilità di essere selezionato e che la selezione di un elemento sia indipendente da quella degli altri. **Campionamento casuale semplice**: Ogni elemento ha uguale probabilità di essere scelto e la selezione è indipendente. È utilizzato quando la popolazione è omogenea. **Campionamento sistematico**: Seleziona ogni \"ennesimo\" individuo da un elenco. Non è casuale, ma può essere pratico se l\'elenco non ha una struttura specifica. **Campionamento casuale stratificato**: Usato quando ci sono sottogruppi nella popolazione. Si seleziona casualmente da ogni sottogruppo, rispettando le proporzioni presenti nella popolazione. **Campionamento a gruppi**: Usato quando non è possibile ottenere una lista completa della popolazione. Si selezionano gruppi (ad es. corsi universitari) e si includono tutti i membri del gruppo selezionato nel campione. **Campionamento a più stadi**: È una versione del campionamento a gruppi che procede per fasi successive, riducendo progressivamente il numero di gruppi selezionati fino a raggiungere l\'unità di interesse. 1. - - - - 2. - - - - 3. - - - - 4. - - - - 5. - - - - 6. - - - - 7. - - - - 8. - - - - 9. - - - - 10. - - - - Veri Esperimenti: introduzione ============================== 1. Veri esperimenti e quasi-esperimenti --------------------------------------- **Costruire un Disegno o Piano Sperimentale** vuol dire [mettere a punto un insieme di elementi] e di procedure che consentano di dire, con la più alta sicurezza, che [gli effetti riscontrati nella variabile dipendente sono causati dalla manipolazione di quella indipendente,] e non dall'influenza di variabili non controllate. I piani di ricerca si distinguono in **veri esperimenti e quasi-esperimenti.** I **veri esperimenti** sono tali in quanto consentono allo studioso di avere un [controllo completo su tutte le variabili della ricerca]: sul chi, sul che cosa, sul quando, sul dove e sul come. In particolare, il **'controllo sul chi'** comporta che lo sperimentatore possa **assegnare i soggetti alle condizioni sperimentali.** Si ricordi che l'assegnazione casuale è preferita in quanto consente di concludere che tutte le altre variabili possono confondersi con la variabile indipendente solo per caso. **Il controllo sul che cosa,** sul quando, sul dove e sul come implica che il soggetto padroneggi tutte le **modalità di esecuzione degli esperimenti,** ovvero il momento dell'esecuzione, il setting (luogo), la strumentazione, ecc. Al contrario, nei **quasi-esperimenti** lo studioso non ha quel controllo sulle condizioni che è possibile in un vero esperimento. Nello specifico, **i soggetti possono essere sottoposti alle varie condizioni sperimentali solo in ragione di raggruppamenti già costituiti.** *Ad esempio, si supponga che un ricercatore intenda esaminare le differenze nella memoria spaziale tra maschi e femmine: in questo caso è possibile disegnare solo un quasi-esperimento, in quanto i soggetti non possono essere assegnati casualmente alle condizioni «maschio» e «femmina».* Questa caratteristica comporta che, nei quasi-esperimenti, **il ricercatore non può manipolare i livelli della variabile indipendente ma li deve prendere così come sono in natura.** La conseguenza più diretta e negativa è che lo sperimentatore [non ha la possibilità di controllare tutti i fattori di confusione.] *Così, in uno studio volto a determinare l'efficacia di due diversi metodi di insegnamento sull'apprendimento di due classi di alunni già formate, non c'è modo di capire se le eventuali differenze tra le due classi sono dovute al trattamento o ad altre variabili di confusione legate alla differente composizione delle classi* (ovvero, alle differenze preesistenti tra i soggetti: può essere che gli alunni di una classe siano mediamente più intelligenti rispetto agli alunni dell'altra classe). 2. Terminologia --------------- Prima di procedere, occorre introdurre qualche termine che viene spesso usato quando si parla di veri esperimenti e di quasi-esperimenti. In precedenza, è stato detto che il termine variabile indipendente si riferisce alla **manipolazione effettuata dallo sperimentatore.** Nella letteratura, **le variabili indipendenti di un esperimento sono spesso chiamate fattori.** Ad esempio, si supponga che un ricercatore intenda esaminare gli effetti che il tipo di gabbia e la manipolazione da parte di esseri umani ha sullo stato emotivo del ratto. I ratti possono essere allevati in normali gabbie da laboratorio o in gabbie arricchite che contengono un gran numero di oggetti con cui i ratti possono giocare. Inoltre, i ratti possono essere manipolati o non manipolati dallo sperimentatore. In questo esperimento, i fattori o variabili indipendenti sono il tipo di gabbia e la manipolazione. **È chiaro che un esperimento deve sempre avere almeno un fattore o variabile indipendente; altrimenti non sarebbe un esperimento:** infatti, per definizione, **in un esperimento è necessario variare qualche variabile indipendente.** Il termine **livello si usa per indicare un particolare valore di una variabile indipendente.** Nell'esempio precedente, il fattore 'Tipo di gabbia' ha due livelli: normale e arricchita; analogamente, il fattore 'Manipolazione' ha due livelli: manipolazione contro non manipolazione. In generale, una variabile indipendente può avere qualsiasi numero di livelli. Così, i ratti potrebbero essere manipolati per 0, 10, 20 o 30 minuti. In questo caso la variabile indipendente 'Manipolazione' avrebbe quattro differenti livelli. È ovvio che una variabile indipendente debba avere sempre **almeno due livelli;** altrimenti non sarebbe una variabile, ma una costante. Infine, il **termine condizione (o trattamento) si riferisce a un particolare modo in cui sono trattati i soggetti.** [In un esperimento tra i soggett]i (in cui ogni gruppo è sottoposto ad un solo livello della variabile indipendente), [le condizioni sperimentali coincidono con i gruppi.] In altre parole, [ogni soggetto è sottoposto ad un solo trattamento o condizione. ] *Nell'esempio precedente, se entrambi i fattori sono manipolati tra i gruppi, avremmo quattro gruppi diversi:* * ratti allevati in una gabbia normale e non manipolati dallo sperimentatore;* * ratti allevati in una gabbia arricchita e non manipolati dallo sperimentatore;* * ratti allevati in una gabbia normale e manipolati dallo sperimentatore;* * e ratti allevati in una gabbia arricchita e manipolati dallo sperimentatore;* D'altra parte, [in un esperimento entro i soggetti] (in cui ogni soggetto è sottoposto a tutti i livelli della variabile indipendente), [parliamo solo di condizioni, non di gruppi, in quanto c'è un solo gruppo di soggetti e quel gruppo viene sottoposto a tutte le condizioni]. In tal caso, **ci sono tante condizioni quanti sono i modi in cui i soggetti possono essere trattati.** Nell'esempio precedente: se i due fattori fossero manipolati entro i soggetti, avremmo [un solo gruppo di ratti che viene sottoposto a 4 condizioni sperimentali diverse in tempi diversi] (gabbia normale, non manipolati; gabbia arricchita, non manipolati; gabbia normale, manipolati; gabbia arricchita, manipolati). 3. Disegni pre-sperimentali --------------------------- I disegni pre-sperimentali sono disegni che **non forniscono alcuna garanzia di validità, in quanto non consentono di escludere spiegazioni alternative dei risultati.** Tuttavia, essi sono talvolta usati per esplorare nuovi problemi o per stimolare la formulazione di nuove ipotesi. Inoltre, sono disegni che possono apparire validi agli occhi dei profani, in quanto hanno dei collegamenti con il modo di ragionare del senso comune. **I disegni pre-sperimentali più noti sono:** **a) il disegno con un solo gruppo ed una sola prova;** **b) il disegno con un solo gruppo e due prove; e** **c) il disegno con una sola prova e due gruppi non equivalenti.** **Disegni con un solo gruppo e una sola prova.** Si tratta di **un disegno in cui un singolo gruppo viene sottoposto ad un solo trattamento e i soggetti sono successivamente esaminati rispetto a qualche variabile dipendente.** Ad esempio, si supponga che un preside di una scuola intenda verificare gli effetti di un nuovo metodo di insegnamento sulla velocità di lettura degli alunni. A questo scopo, sottopone una classe (ovvero, un singolo gruppo) al nuovo metodo di insegnamento per un certo periodo di tempo; dopo il trattamento (post-test) misura la velocità media di lettura degli alunni. Un disegno simile ha **due problemi fondamentali:** la totale **mancanza di validità interna**: infatti, l'esperimento n**on consente di sapere se la velocità di lettura al post-test sia dovuta al nuovo metodo o a qualche altra variabile (**ad esempio, l'intelligenza degli alunni); l'**assenza di un punto di paragone fisso**: i risultati degli alunni al post-test non possono essere confrontati né con la velocità di lettura degli stessi alunni prima del trattamento né con la velocità di lettura di un eventuale gruppo di controllo. **Disegni con un solo gruppo e due prove.** Si tratta di disegni in cui i soggetti sono esaminati **prima** (pre-test) e **dopo** (post-test) essere stati sottoposti ad un determinato trattamento. *Ad esempio, si supponga che una ditta abbia introdotto un nuovo orario di lavoro per cui i dipendenti lavorano 10 ore al giorno per quattro giorni anziché 8 ore al giorno per cinque giorni.* *I proprietari della ditta vogliono esaminare gli effetti di questa variazione sul rendimento dei lavoratori e pertanto confrontano la produttività di un gruppo di operai prima e dopo l'introduzione del nuovo orario di lavoro metodo.* *Se la produttività aumenta, i proprietari potrebbe attribuire l'effetto al cambiamento dell'orario di lavoro.* *Tuttavia, una conclusione come questa sarebbe infondata in quanto non è possibile escludere che l'eventuale effetto positivo sia dovuto a fattori diversi dal nuovo orario di lavoro:* *ad esempio, i lavoratori potrebbe aver risposte alle attenzioni prestate loro dai dirigenti all'inizio del trattamento;* *oppure, tra il pre-test e il post-test, potrebbe essersi verificato un cambiamento climatico favorevole che ha influito positivamente sull'umore, e quindi sul rendimento, dei dipendenti.* Oltre a non assicurare che il trattamento sia il solo responsabile della differenza tra pre-test e post-test, questo disegno **non controlla le minacce alla validità interna legate**: - - - - Il disegno di questo esperimento sarebbe stato migliore se si fossero formati due gruppi di operai e si fossero assegnati a caso i lavoratori ai due orari lavorativi, un gruppo al nuovo orario e un gruppo di controllo al vecchio orario. **Disegni con una sola prova e due gruppi non equivalenti.** Si tratta di [disegni in cui un gruppo di soggetti viene sottoposto al trattamento mentre l'altro no;] quindi, la variabile indipendente ha due fattori: presenza/assenza del trattamento. Il principale difetto è ch[e il gruppo di controllo non è del tutto equivalente al gruppo sperimentale], in quanto i due gruppi non sono stati costituiti a partire dalla stessa popolazione (il ricercatore ha semplicemente preso due gruppi preesistenti). Questo significa che non è possibile sapere se i due gruppi erano equivalenti o meno al pre-test. *Un esempio è dato da uno studio condotto da **Brown et al.** (1971), il cui scopo era quello di valutare l'**effetto di un programma di consulenza.*** *Gli autori selezionarono, in modo non randomizzato, due gruppi di studenti: un gruppo ricevette la consulenza, mentre l'altro non ricevette nessun trattamento (gruppo di controllo). I risultati dimostrarono che il gruppo sottoposto al trattamento aveva delle prestazioni superiori rispetto al gruppo di controllo su una serie di test volti a valutare gli effetti del programma.* Apparentemente, questo disegno sembra essere valido; tuttavia, poiché i gruppi non sono stati assegnati in modo randomizzato alle condizioni, un effetto significativo della consulenza non può essere univocamente attribuito al trattamento: altre variabili di disturbo (ad esempio, una più alta intelligenza o una maggiore motivazione) potrebbero essere intervenute a migliorare la prestazione finale del gruppo sperimentale. **Veri esperimenti vs Quasi-esperimenti**: Nei veri esperimenti, il ricercatore ha pieno controllo sulle variabili della ricerca, inclusa l\'assegnazione casuale dei partecipanti alle condizioni sperimentali, il che riduce il rischio di variabili confondenti. Nei quasi-esperimenti, non c\'è un controllo completo; i partecipanti sono raggruppati in base a caratteristiche preesistenti (es. genere), e il ricercatore non può manipolare la variabile indipendente, aumentando così il rischio di confusione con altre variabili. **Terminologia**: - - - **Disegni pre-sperimentali**: Sono meno affidabili e non garantiscono validità, ma possono essere usati per esplorare nuove ipotesi. Si dividono in: - - - Nei veri esperimenti, è preferibile assegnare i soggetti alle condizioni in modo: - - - - Nei quasi-esperimenti, i gruppi: - - - - Nei quasi-esperimenti: - - - - I fattori di un esperimento sono: - - - - Una variabile indipendente deve avere: - - - - In un esperimento entro i soggetti, le condizioni sperimentali equivalgono: - - - - In un esperimento entro i soggetti con due fattori che hanno, rispettivamente, 2 e 3 livelli, il numero totale delle condizioni sarà: - - - - Nei disegni con un solo gruppo e una sola prova, i risultati dei soggetti al post-test: - - - - In un disegno con un solo gruppo e due prove, il ricercatore non può essere sicuro che: - - - - In un disegno con una sola prova e due gruppi non equivalenti, si ha che: - - - - Veri Esperimenti: disegni ad un fattore ======================================= 1. Disegni tra i soggetti ed entro i soggetti --------------------------------------------- Si ricordi che ottenere il controllo sperimentale implica eliminare la maggior parte dei fattori che minacciano la validità di un esperimento. Quando tali fattori sono controllati adeguatamente, l'esperimento è valido. Naturalmente, nessun disegno sperimentale può eliminare tutte le minacce alla validità. Tuttavia, due elementi in particolare permettono di controllare molte minacce alla validità e sono stati quindi considerati fondamentali per tutti i disegni sperimentali: **L'esistenza di un gruppo di controllo** (disegno tra i soggetti) o di una condizione di controllo (disegno entro i soggetti); **e l'assegnazione casuale dei soggetti alle condizioni.** **I disegni sperimentali con una sola variabile** (o fattore) **si suddividono in disegni tra i soggetti (**o tra i gruppi) **e disegni entro i soggetti** (o entro i gruppi). In genere, nei disegni **tra** i soggetti si hanno due gruppi: **un gruppo sperimentale che riceve il trattamento** e un gruppo di controllo che non riceve alcun trattamento. I soggetti dovrebbero essere assegnati a caso ai due gruppi: questa assegnazione assicura che i gruppi siano uguali da tutti i punti di vista, se si escludono differenze dovute al caso. D'altra parte, nei disegni entro i soggetti, il requisito fondamentale è che tutti i soggetti devono essere sottoposti a tutte le condizioni. In tal caso, la prestazione del soggetto nella condizione sperimentale viene confrontata con la prestazione dello stesso soggetto nella condizione di controllo. Poiché nei disegni sperimentali **entro i soggetti**, tutti i partecipanti sono sottoposti a tutte le condizioni sperimentali, diventa fondamentale controllare i possibili effetti di una condizione sull'altra. Gli **effetti dell'ordine** sono quelli che derivano dalla posizione delle condizioni nell'esperimento, indipendentemente dalla specificità delle condizioni stesse. Un esempio classico è l\'effetto della pratica (molto comune negli esperimenti sull\'apprendimento): *la condizione che viene applicata per prima sarà associata ad una prestazione inferiore rispetto alla prestazione che si registra nelle condizioni successive*, in quanto i partecipanti hanno sviluppato delle strategie più efficienti per affrontare il compito. Gli **effetti della sequenza** dipendono invece da una interazione fra condizioni specifiche dell'esperimento (effetti di contrasto nella valutazione del peso). *L\'esempio classico è l\'effetto di contrasto che si verifica quando il partecipante deve valutare la pesantezza di un oggetto relativamente leggero subito dopo aver manipolato un oggetto pesante: in tal caso, il secondo oggetto sarà valutato come più leggero di quanto non sia in realtà.* Gli effetti dell'ordine e della sequenza si controllano in modi diversi. - - In generale, il ricercatore ha a disposizione due strategie fondamentali per controllare gli effetti dell'ordine e della sequenza. Negli esperimenti **entro i soggetti** (in cui ciascun soggetto è sottoposto a tutte le condizioni), lo sperimentatore deve disporre **l'ordine delle condizioni in modo tale che gli effetti dell'ordine e della sequenza siano controllati**. [ ] D\'altra parte, negli esperimenti **tra i soggetti (i**n cui soggetti diversi sono assegnati a gruppi diversi), lo sperimentatore deve fare in modo che **gruppi diversi siano sottoposti alle condizioni in un ordine diverso.** ### **Disegni tra i soggetti:** Nei disegni tra i soggetti, i partecipanti sono divisi in gruppi, uno sperimentale e uno di controllo. Questo permette di isolare gli effetti del trattamento e confrontarli tra gruppi diversi. Un esempio pratico è quello di esperimenti in cui i soggetti vengono assegnati casualmente a due gruppi: uno riceve il trattamento (gruppo sperimentale), mentre l\'altro no (gruppo di controllo). ### **Disegni entro i soggetti:** Nei disegni entro i soggetti, ogni partecipante viene esposto a tutte le condizioni sperimentali, facendo sì che il confronto tra le condizioni avvenga all\'interno di ciascun soggetto. Questo elimina le differenze individuali, ma introduce la necessità di controllare effetti come l\'**ordine** (influenzato dalla posizione delle condizioni) e la **sequenza** (dovuta alla relazione tra condizioni). ### **Controllo degli effetti dell\'ordine e della sequenza:** - - Per controllare tali effetti nei disegni entro i soggetti, si possono usare metodi come: - - - ### **Disegni fattoriali:** Infine, i **disegni fattoriali** studiano gli effetti di **più variabili indipendenti** contemporaneamente. In un disegno fattoriale, si considerano **tutte le combinazioni possibili dei livelli di ciascuna variabile.** Un esempio è il disegno **2x2**, in cui **due** variabili hanno ciascuna **due** livelli. Un esempio pratico può essere uno studio sugli effetti dell\'**espressione facciale** (neutra o sorridente) e della **piacevolezza dell\'aspetto** (attraente o non attraente) sul giudizio di colpevolezza dei partecipanti. Questo tipo di disegno consente di analizzare non solo gli effetti principali di ogni variabile, ma anche le **interazioni** tra variabili, permettendo di identificare come diverse combinazioni di condizioni influenzino i risultati. 2. Controllo degli effetti dell'ordine e della sequenza ------------------------------------------------------- Il controllo degli effetti dell\'ordine e della sequenza entro i soggetti è possibile quando ciascun soggetto è sottoposto a tutte le condizioni sperimentali (disegno entro i soggetti). **Randoomizzazione** La randomizzazione viene utilizzata quando ciascun soggetto è sottoposto varie volte a ciascuna condizione e il numero di soggetti è abbastanza alto da garantire che una particolare sequenza non abbia probabilità di influenzare i risultati. Ad esempio, negli esperimenti sull'apprendimento o sulla percezione, ciascuno stimolo viene presentato molte volte ai soggetti. In tal caso, l\'opzione migliore è randomizzare l'ordine delle condizioni in maniera casuale per ciascun soggetto. Il numero di soggetti o di ripetizioni è un fattore che viene deciso dal ricercatore: non vi è quindi una regola precisa. [ ] **Randomizzazione a blocchi** Una variazione molto utile è la cosiddetta randomizzazione a blocchi**:** con questo metodo, l'ordine delle condizioni è randomizzato **all\'interno** di ciascun blocco, con la restrizione che ciascuna condizione deve essere applicata una volta prima della ripetizione di qualsiasi condizione. La randomizzazione a blocchi è molto utile se l'esperimento prevede che ciascuna condizione sia applicata due volte e vi sono due sessioni separate. *Ad esempio, in un esperimento in cui quattro condizioni devono essere applicate due volte, si potrebbe avere la seguente sequenza: BCAD, ADCB.* *Come si può notare, ciascuna delle quattro condizioni è applicata una volta in ordine casuale entro ciascun dei due blocchi.* **Controbilanciamento inverso** Una seconda variazione anch\'essa molto utile è il cosiddetto **controbilanciamento inverso**. Si tratta di una tecnica molto utile quando i **soggetti** studiati sono **pochi** e ci sono **parecchie condizioni** che possono essere applicate solo poche volte. In pratica, le condizioni sono applicate in un determinato ordine la prima volta e nell'ordine inverso la seconda volta. *Ad esempio, in un esperimento con quattro condizioni, la sequenza delle prove potrebbe essere: ABCDDCBA. Il problema di questo metodo è che il controllo gli effetti della sequenza è incompleto: nell'esempio precedente, la condizione B segue una volta le condizioni A e C, ma non segue mai la condizione D.* **Controbilanciamento competo** Il **controllo degli effetti dell\'ordine e della sequenza** tra i soggetti è possibile quando gruppi diversi sono sottoposti a condizioni sperimentali diverse. Una prima possibilità è data dal **controbilanciamento completo,** il quale consiste nel formare **tanti gruppi quante sono le possibili combinazioni** tra le condizioni: ogni gruppo è sottoposto ad una **combinazione diversa.** *Ad esempio, in un esperimento con tre condizioni vi sono sei possibili combinazioni: ABC, ACB, BAC, BCA, CAB, CBA.* Questo significa che si dovranno formare sei gruppi: ogni gruppo sarà sottoposto ad una combinazione diversa. Lo **svantaggio** di questa tecnica è che il numero di ordini richiesto **aumenta geometricamente** con il numero delle condizioni. Infatti, con solo cinque condizioni sono possibili 120 combinazioni diverse. È possibile controllare gli effetti dell'ordine con un numero di soggetti minore rispetto al controbilanciamento completo, se si rinuncia al **requisito che ciascuna condizione ne segua qualsiasi altra lo stesso numero di volte.** **Quadrato latino** Questa tecnica, nota come **quadrato latino,** consiste nel porre le condizioni in una matrice in modo tale che **ciascuna condizione occupi una sola posizione in ciascuna riga e in ciascuna colonna** (si veda la Figura 1). Come detto, lo svantaggio è che **gli effetti della sequenza non sono controllati**. Figura 1. Esempio di quadrato latino semplice **Gli effetti della sequenza possono essere però controllati con la tecnica del quadrato latino bilanciato**: in questo caso, la disposizione delle condizioni nella matrice è tale che ciascuna condizione viene preceduta per una sola volta da ciascun'altra condizione (si veda la Figura 2). Se gli effetti di contrasto riguardano coppie di condizioni, il quadrato latino bilanciato permette di controllare tali effetti. ![](media/image9.png) Figura 2. Esempio di quadrato latino bilanciato In generale, il maggiore vantaggio associato alla tecnica del quadrato latino (sia semplice che bilanciato) è dato dal fatto che, rispetto al controbilanciamento completo, essa consente di ridurre in maniera notevole il numero di soggetti da esaminare. Questo vantaggio è sufficiente a compensare lo svantaggio di non controllare piccoli effetti della sequenza. 3. Disegni sperimentali ad un fattore ------------------------------------- **Disegno sperimentale a due condizioni** entro i gruppi è il più semplice disegno possibile per un vero esperimento, poiché ha solo due condizioni (A e B). Tutti i soggetti vengono sottoposti ad entrambe le condizioni e ogni soggetto funge da controllo di se stesso. L'ordine delle condizioni deve essere controbilanciato, in modo tale che metà dei soggetti svolga l\'esperimento nell\'ordine AB, mentre l\'altra metà sarà sottoposto all\'ordine BA. Una ricerca esemplificativa che ha utilizzato questo disegno è stata condotta da **Marshall & Teitelbaum (1974).** *Vari studi avevano dimostrato che, nei ratti, una lesione di una piccola area del cervello nota come ipotalamo laterale provocava una netta diminuzione nella capacità di rispondere a stimolazioni sensoriali.* *Sfruttando questo fenomeno, gli autori distrussero unilateralmente l'ipotalamo laterale di 12 topi (per sei topi la lesione era a sinistra, mentre per gli altri sei topi era a destra).* *Dopo il periodo di convalescenza, esaminarono la loro capacità di reagire a stimoli sensoriali presentati da un lato del corpo o dall\'altro. I risultati mostrarono che i ratti reagivano solo agli stimoli presentati dallo stesso lato della lesione (si ricordi che ciascun lato del cervello controlla la metà opposta del corpo).* Dal punto di vista metodologico, la lesione unilaterale permetteva di usare ciascun animale come controllo di se stesso. Un lato del cervello fungeva da controllo per l'altro, eliminando così le differenze individuali tra i soggetti come possibili fonti di errore. In genere negli esperimenti di psicologia si usano più di due condizioni, per diverse ragioni: in primo luogo, perché [i ricercatori sono quasi sempre interessati a confrontare l'efficacia di parecchie variabili o trattamenti]; in secondo luogo, perché [molti ricercatori mirano a determinare la forma della funzione che lega le variabili indipendenti a quelle dipendent]i: *così, se lo scopo è conoscere il livello di apprendimento in funzione della dose di caffeina assunta, si dovrà variare la quantità di caffeina somministrata a ciascun gruppo (ad esempio, 50 mg, 100 mg, 150 mg e 200 mg);* infine, perché [vi possono essere più ipotesi alternative che vanno eliminate]. *Ad esempio, se un bambino mostra una preferenza per un giocattolo peloso, colorato e rumoroso, e si vuole determinare quale sia la caratteristica che rende il giocattolo gradito al bambino, bisognerà preparare tre versioni diverse dello stesso giocattolo* *(versione A: giocattolo peloso, non colorato e non rumoroso; versione B: giocattolo non peloso, colorato e non rumoroso; versione C: giocattolo non peloso, non colorato, rumoroso).* *Un esperimento classico che ha utilizzato un disegno con **condizioni multiple manipolate entro i soggetti** è stato condotto da **Craik & Tulving (1975).*** *Questi ricercatori erano interessati a comprendere il ruolo delle strategie di elaborazione nella capacità dei soggetti di ricordare una lista di parole.* *A tale scopo, ogni soggetto studiava un certo numero di parole.* *La presentazione di ciascuna parola era preceduta da domande diverse che dovevano indurre i soggetti ad utilizzare strategie di elaborazione differenti:* - - - *L\'ipotesi era che ogni successivo tipo di strategia avrebbe indotto una maggiore profondità di elaborazione: quindi, ci si attendeva un graduale aumento della memoria dalla codifica visiva (superficiale) a quella semantica (profonda). Ogni soggetto fu sottoposto a tutti e tre i tipi di domande, il che rende questo disegno sperimentale entro i soggetti. Dopo un breve intervallo, la memoria dei partecipanti fu verificata in un classico test di riconoscimento: come atteso, la percentuale media di parole correttamente riconosciute fu del 18% per la codifica visiva, del 78% per la codifica uditiva, e del 96% per la codifica semantica.* In molti casi, i soggetti **non** possono essere sottoposti a tutte le condizioni a causa della possibilità di **effetti di influenza** di una condizione sull'altra (**effetti di trasferimento**). In tal caso, occorre adottare un disegno tra i soggetti. Il più semplice disegno di questo tipo prevede **due gruppi randomizzati, un trattamento per un solo gruppo e una sola prova per entrambi i gruppi (post-test).** In altre parole, un gruppo viene sottoposto al trattamento (gruppo sperimentale), mentre un altro gruppo non viene sottoposto al trattamento e funge da controllo. I soggetti devono essere scelti in modo casuale dalla popolazione e devono poter essere assegnati casualmente ai gruppi. In questo disegno, l\'effetto del trattamento viene valutato confrontando il rendimento del gruppo sperimentale con il rendimento del gruppo di controllo. *Schacter (1959) condusse un esperimento volto ad esaminare l\'effetto dell'ansia sul bisogno di affiliazione.* *L\'ipotesi da verificare era che un aumento dell\'ansia doveva produrre un corrispondente aumento nella tendenza a cercare la compagnia di altre persone. Nel gruppo sperimentale, l\'ansia fu indotta dicendo sarebbero stati collegati ad un macchinario che somministrava scosse elettriche dolorose; al contrario, ai partecipanti nel gruppo di controllo fu detto che avrebbero ricevuto scosse lievi non dolorose. Dopo aver letto le istruzioni, tutti i soggetti dovevano attendere 10 minuti prima di ricevere la scossa: durante questo periodo, compilavano un questionario in cui si chiedeva se desideravano attendere da soli o in compagnia. In accordo con le previsioni teoriche, il 63% dei partecipanti nel gruppo sperimentale dichiarò di preferire la compagnia di altri, contro il 33% nel gruppo di controllo.* Anche nel caso dei disegni sperimentali tra i soggetti, vi possono essere **condizioni multiple.** *Ad esempio, in un esperimento condotto da Pinel (1969), lo scopo era quello di utilizzare lo shock elettroconvulsivo (il quale provoca una forte amnesia retrograda per gli eventi che lo precedono) per stimare il tempo necessario a memorizzare le esperienze. Per cinque giorni consecutivi, l\'autore mise dei ratti assetati in una gabbia che aveva un angolo, lasciandoli liberi di esplorarla. Il sesto giorno, posizionò una bottiglia d'acqua nell'angolo, permettendo così ai ratti di bere. A questo punto, tolse i ratti dalla gabbia e somministrò loro lo schock elettroconvulsivo a cinque diversi intervalli: dopo 10 secondi, dopo 1 minuto, dopo 10 minuti, dopo 1 ora e dopo 3 ore dall\'apprendimento iniziale. Infine, il giorno dopo i ratti furono rimessi nella gabbia e l\'autore misurò il numero di volte in cui i ratti esploravano l\'angolo della gabbia in cui in precedenza era stata posizionata la bottiglia. L\'assunto era che, se i ratti non si fossero ricordati dell\'acqua, non avrebbero esplorato l\'angolo. I risultati mostrarono che il numero di esplorazioni dell'angolo aumentava costantemente fino a 3 ore. Sulla base di questi dati, Pinel concluse che i processi di memoria hanno bisogno di almeno 3 ore per completarsi.* ### **Disegno Sperimentale a Due Condizioni Entro i Gruppi** - - - ### **Motivi per Usare Più di Due Condizioni** 1. 2. 3. ### **Esempio Classico: Craik & Tulving (1975)** - - - ### **Disegno Sperimentale Tra i Soggetti** - - - ### **Condizioni Multiple Tra i Soggetti** - - - ### **Conclusione** - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - Veri Esperimenti: disegni sperimentali fattoriali ================================================= 1. Disegni fattoriali: Effetti principali ----------------------------------------- Vi sono diverse **ragioni per pianificare un disegno sperimentale fattoriale**, in cui il ricercatore studia gli effetti di due o più variabili indipendenti: una prima ragione è l'**efficienza**: durante la preparazione di un disegno sperimentale, [introdurre una seconda variabile indipendente può non costare molta fatica in più] (in rapporto ai risultati aggiuntivi che è possibile ottenere); una seconda ragione riguarda l'esistenza di più **ipotesi alternative da escludere**: nella lezione precedente è stato introdotto l'esempio di un ricercatore interessato a scoprire i motivi per cui un bambino preferisce un giocattolo, colorato, rumoroso e peloso. A livello sperimentale, rispondere a questa domanda significherebbe progettare un esperimento in cui [dovrebbero essere manipolate tre diverse variabili; i]l colore (giocattolo colorato vs. non colorato), la rumorosità (giocattolo rumoroso vs. non rumoroso) e la presenza di pelo (giocattolo peloso vs. non peloso); infine, una terza ragione riguarda la possibilità di **evidenziare le interazioni tra le variabili:** nell'esempio precedente, il bambino potrebbe mostrare una preferenza per un giocattolo che è sia peloso che colorato. Per evidenziare questa interazione, **il piano sperimentale deve necessariamente includere tutte le possibili combinazioni tra i tre fattori studiati** (colore, rumorosità e presenza di pelo). Dal punto di vista tecnico, il disegno fattoriale richiede che due o più variabili siano **impiegate in modo che tutte le possibili combinazioni dei livelli di ciascuna variabile siano utilizzati.** Il caso più semplice si riferisce ad un disegno con due variabili che hanno entrambe due livelli: si tratta di un tipico disegno fattoriale 2 x 2. Nell'esempio del giocattolo, il ricercatore ha tre variabili, ciascun delle quali include due livelli: pertanto, l'esperimento prevede un disegno 2 (colorato vs. non colorato) x 2 (rumoroso vs. non rumoroso) x 2 (peloso vs. non peloso). In teoria, si possono usare **quanti fattori e livelli si desiderano**; tuttavia, occorre tenere in considerazione che: con l'aumentare della complessità dell'esperimento, aumenta anche il tempo necessario ad eseguirlo; il gran numero di interazioni da considerare rende l'interpretazione dei risultati molto difficoltosa: in particolare, può essere arduo individuare le differenze che hanno dato luogo ad una interazione che coinvolge tre o più fattori. *Per queste ragioni, nella maggior parte degli esperimenti in psicologia, si usano due o tre fattori, ciascuno con un numero variabile di livelli **(da due a sei).*** *Si supponga che uno studioso sia interessato a studiare i giudizi di colpevolezza forniti dai giudici in funzione della espressione facciale (fattore A: neutra vs. sorridente) e della piacevolezza dell'aspetto (fattore B: aspetto attraente vs. non attraente).* *La variabile dipendente è dunque il giudizio di colpevolezza, mentre le variabili indipendenti sono l'espressione facciale e la piacevolezza dell'aspetto, ciascuna delle quali ha due livelli. Un disegno fattoriale di questo tipo è rappresentato nella Figura 1.* Figura 1. Esempio di disegno fattoriale 2 (Espressione facciale) x 2 (Piacevolezza dell'aspetto). Per studiare gli effetti delle due variabili, lo sperimentatore deve preparare una serie di facce-stimolo che siano: attraenti e neutre; attraenti e sorridenti; non attraenti e neutre; e non attraenti e sorridenti. Se entrambe le variabili sono manipolate tra i soggetti, si avranno quattro diversi gruppi di soggetti, ognuno dei quali fornisce un giudizio di colpevolezza su un particolare tipo di faccia-stimolo. I numeri presenti in ciascuna casella (in blu) indicano il giudizio medio attribuita alle facce in quella specifica condizione sperimentale. I numeri rappresentati in verde rappresentano, invece, le medie di riga e di colonna: da tali medie è possibile comprendere l'effetto principale di una variabile. Per definizione, **l'effetto principale di una variabile (o fattore) è l'effetto medio di una variabile su tutti i livelli di un'altra variabile.** Nella tabella precedente, l'effetto principale dell'espressione facciale è illustrato dalle medie di colonna. In pratica, occorre calcolare: **la media del gruppo** 'espressione neutra' (A1) su tutti i livelli del fattore 'piacevolezza': in altre parole, si calcola la media dei dati delle caselle A1B1 e A1B2; e **la media del gruppo** 'espressione sorridente' (A2) su tutti i livelli del fattore 'piacevolezza': in altre parole, si calcola la media dei dati delle caselle A2B1 e A2B2. Come indicato nella Figura 1, il primo valore è pari a 52, mentre il secondo valore è pari a 28: quindi si può concludere che, in media, le facce stimolo neutre erano giudicate più colpevoli delle facce stimolo sorridenti. Analogamente, l'effetto medio della piacevolezza dell'aspetto si deduce dalle **medie di riga.** Si calcolano quindi: la media del gruppo 'aspetto attraente' (B1) su tutti i livelli del fattore 'espressione facciale' (ovvero, la media delle caselle A1B1 e A2B1) e la media del gruppo 'aspetto non attraente' (B2) su tutti i livelli del fattore 'espressione facciale' (ovvero, la media delle caselle A1B2 e A2B2). I rispettivi valori sono 24 e 56: quindi, le facce stimolo non attraenti erano giudicate più colpevoli delle facce stimolo attraenti. ### **Disegno Sperimentale Fattoriale** #### **Motivazioni per Pianificare un Disegno Fattoriale** 1. 2. 3. #### **Struttura del Disegno Fattoriale** - - - - - - #### **Considerazioni Tecniche** - - #### **Esempio Pratico** - - - - - #### **Analisi dei Risultati** - - - - - - - - Ecco alcuni esempi di disegni fattoriali con diverse quantità di fattori e livelli: 1\. Disegno Fattoriale 2x2 (Due Fattori, Due Livelli) **Esempio**: Studio sull'efficacia di un nuovo farmaco per l'ansia. - - - - - - **Condizioni sperimentali**: 1. 2. 3. 4. 2\. Disegno Fattoriale 2x3 (Due Fattori, Tre Livelli) **Esempio**: Studio sull\'efficacia di un programma di allenamento. - - - - - - - **Condizioni sperimentali**: 1. 2. 3. 4. 5. 6. 3\. Disegno Fattoriale 3x2 (Tre Fattori, Due Livelli) **Esempio**: Studio sull\'impatto delle caratteristiche del prodotto sulla soddisfazione del cliente. - - - - - - - - - - **Condizioni sperimentali**: 1. 2. 3. 4. 5. 6. 7. 8. 9. 10. 11. 12. 4\. Disegno Fattoriale 2x2x2 (Tre Fattori, Due Livelli) **Esempio**: Studio sull\'efficacia di tecniche di studio. - - - - - - - - - **Condizioni sperimentali**: 1. 2. 3. 4. 5. 6. 7. 8. 5\. Disegno Fattoriale 3x3 (Tre Fattori, Tre Livelli) **Esempio**: Studio sull\'impatto di diverse strategie di marketing sulla scelta del consumatore. - - - - - - - - - - - **Condizioni sperimentali**: 1. 2. 3. 4. 5. 6. 7. 8. 9. 10. 11. 12. 13. 14. 15. 16. 17. 18. 19. 20. 21. 22. 23. 24. 25. 26. 27. n disegno sperimentale con **quattro fattori**, ciascuno con **due livelli**, è un disegno **2x2x2x2**. Questo tipo di disegno permette di esplorare l\'effetto di più variabili e le loro interazioni. Ecco un esempio dettagliato: Esempio di Disegno 2x2x2x2 **Scenario**: Studio sull\'effetto di diversi metodi di insegnamento e condizioni ambientali sul rendimento degli studenti. Fattori e Livelli 1. - - 2. - - 3. - - 4. - - 2. Disegni fattoriali: Interazioni ---------------------------------- Il principale vantaggio dei disegni fattoriali è che consentono di studiare le interazioni tra le variabili. Dal punto di vista tecnico, [due variabili interagiscono se l'effetto di una variabile dipende dai livelli dell'altra] (o, in altre parole, se l'effetto di una variabile non è lo stesso su tutti i livelli dell'altra variabile). Nell'esempio precedente, una attenta analisi delle medie riportate in ciascuna cella indica che il sorriso fa diminuire i giudizi di colpevolezza per le facce non attraenti, mentre fa aumentare i giudizi di colpevolezza per le facce attraenti (si veda il grafico di sinistra della Figura 2). Quindi, l'effetto dell'espressione facciale sul giudizio di colpevolezza dipende dalla piacevolezza dell'aspetto. Analogamente, i dati riportati nella Figura 1 indicano che la piacevolezza d'aspetto fa diminuire i giudizi di colpevolezza per le facce con espressione neutra, mentre li fa aumentare per le facce con espressione sorridente (si veda il grafico di destra della Figura 2). Dunque, l'effetto della piacevolezza dell'aspetto sul giudizio di colpevolezza dipende dall'espressione facciale. ![](media/image2.png) Figura 2. Esempio di interazioni tra Espressione facciale e Piacevolezza sui giudizi di colpevolezza La Figura 2 riporta due rappresentazioni grafiche che aiutano a comprendere il concetto di interazione. Come si può notare, **si ha una interazione ogni volta che le curve non sono parallele.** Così, nel grafico di sinistra della Figura 2, la curva che rappresenta l'effetto dell'espressione facciale per gli stimoli non attraenti non è parallela rispetto alla curva che rappresenta l'effetto dell'espressione facciale per gli stimoli attraenti: infatti, le due linee si intersecano. [Se è possibile far scivolare verso l'alto o verso il basso una delle curve in modo che si sovrappongano, allora non c'è interazione; d'altra parte, se le due curve si toccano (o convergono), allora c'è interazione. ] *L'esempio precedente illustra una regola fondamentale: tutte le volte che c'è una interazione, gli effetti principali delle variabili non possono essere interpretati senza discutere le interazioni, in quanto potrebbero essere fuorvianti.* *L'effetto principale dell'espressione facciale suggerisce che il sorriso diminuisce i giudizi di colpevolezza.* Tuttavia, l'interazione dimostra che ciò è vero solo per le facce non attraenti; per le facce attraenti, l'effetto del sorriso è opposto (fa aumentare i giudizi di colpevolezza). Le interazioni che si incontrano più spesso in psicologia sono di tre tipi: **antagoniste, sinergiche, o con effetto tetto.** Si ha un'**interazione antagonista** quando le due variabili indipendenti tendono ad **invertire gli effetti** l'una dell'altra (si veda la Figura 3). *Ad esempio, la distanza tra i partner può rafforzare il legame tra due persone quando c'è un forte sentimento di amore, mentre potrebbe ridurlo quando tra le due persone c'è stato solo un vago flirt.* Figura 3. Esempio di interazione antagonista **L'interazione antagonist**a è un classico caso in cui si ha una interazione significativa in assenza di **effetti principali significativi.** Questa situazione è perfettamente legittima, così come si può avere **una interazione significativa quando l'effetto principale** di una delle due variabili indipendenti non è **significativo**. Si ha invece una **interazione sinergica** quando il livello più alto di B potenzia l'effetto di A, e viceversa. Nella Figura 4, questo tipo di interazione è evidenziata dal fatto che la linea che rappresenta l'effetto della variabile A al livello B2 ha una pendenza maggiore rispetto alla linea che rappresenta l'effetto della variabile A al livello B1. ![](media/image8.png) Figura 4. Esempio di interazione sinergica Infine, l'**interazione con effetto tetto** si [verifica quando il livello più alto di B riduce l'effetto differenziale di A sulla variabile dipendente, e viceversa] (si veda la Figura 5). \+ Figura 5. Esempio di interazione con effetto tetto **1. Interazione Antagonista** Definizione Un\'interazione antagonista si verifica quando le variabili indipendenti influenzano il risultato in direzioni opposte, risultando in una combinazione di effetti che non sono facilmente attribuibili a ciascun fattore singolarmente. Questa situazione può portare a un effetto significativo in assenza di effetti principali significativi. Esempio Immaginiamo un esperimento in cui si esamina l\'effetto di due fattori sul livello di ansia di un gruppo di studenti: - - **Tipo di esame** **Supporto sociale** **Livello di ansia** ------------------- ---------------------- ---------------------- Facile Presente 3 Facile Assente 5 Difficile Presente 7 Difficile Assente 8 In questo caso, non ci sono effetti principali significativi: il tipo di esame non ha un effetto netto positivo o negativo, e nemmeno il supporto sociale, ma l\'interazione tra i due fattori porta a una situazione in cui la presenza del supporto sociale riduce l\'ansia in modo significativo durante l\'esame facile, ma non durante l\'esame difficile. 2\. Interazione Sinergica Definizione Un\'interazione sinergica si verifica quando il livello più alto di una variabile indipendente (B) potenzia l\'effetto di un\'altra variabile indipendente (A), e viceversa. Esempio Supponiamo di studiare l\'effetto di un programma di allenamento fisico (Fattore A) e una dieta (Fattore B) sulla perdita di peso: - - **Programma di allenamento** **Tipo di dieta** **Perdita di peso (kg)** ------------------------------ ------------------- -------------------------- Nessun allenamento Normale 1 Nessun allenamento Rigorosa 2 Allenamento intenso Normale 3 Allenamento intenso Rigorosa 6 In questo caso, l\'interazione sinergica è evidente: l\'allenamento intenso e la dieta rigorosa portano a una perdita di peso che è molto superiore alla somma degli effetti individuali. La linea che rappresenta l\'effetto dell\'allenamento al livello di dieta rigorosa ha una pendenza maggiore rispetto a quella al livello di dieta normale. 3\. Interazione con Effetto Tetto Definizione Un\'interazione con effetto tetto si verifica quando il livello più **alto** di una variabile indipendente (B) **riduce l\'effetto differenziale** di un\'altra variabile indipendente (A) sulla variabile dipendente. Esempio Immaginiamo uno studio sull\'effetto della dose di un farmaco (Fattore A) e il tempo di esposizione (Fattore B) sull\'efficacia di un trattamento: - - **Dose del farmaco** **Tempo di esposizione** **Efficacia del trattamento** ---------------------- -------------------------- ------------------------------- Bassa Corto 30% Bassa Lungo 60% Alta Corto 70% Alta Lungo 75% In questo esempio, l\'effetto della dose alta di farmaco è meno pronunciato quando si aumenta il tempo di esposizione: l\'efficacia aumenta solo leggermente da 70% a 75%, suggerendo un effetto tetto. Questo indica che, oltre un certo punto, aumentare ulteriormente la dose del farmaco non produce un miglioramento significativo nell\'efficacia del trattamento. possibile avere un\'interazione significativa anche quando l\'effetto principale di una delle variabili indipendenti non è significativo. Questo concetto è fondamentale nella comprensione dei disegni sperimentali e delle interazioni tra variabili. Vediamo come ciò accade, con un esempio esplicativo. Concetti di Base - - Situazione di Esempio Immagina un esperimento che esamina l\'effetto del **tipo di insegnamento** (metodo tradizionale vs. metodo innovativo) e **il livello di motivazione** degli studenti (alta vs. bassa) sulle prestazioni in un test. Variabili - - Risultati Fittizi **Tipo di insegnamento** **Livello di motivazione** **Prestazione nel test** -------------------------- ---------------------------- -------------------------- Tradizionale Alta 80 Tradizionale Bassa 50 Innovativo Alta 85 Innovativo Bassa 55 Analisi degli Effetti 1. - - - - 2. - - - - 3. - - Interpretazione In questo esempio, mentre gli effetti principali del tipo di insegnamento potrebbero non essere significativi (65 vs. 70), la presenza di un\'interazione significativa suggerisce che l\'insegnamento innovativo è più efficace quando la motivazione è alta. In altre parole, il **metodo innovativo** produce un aumento delle prestazioni solo quando gli studenti sono altamente motivati, indicando una interazione tra il tipo di insegnamento e il livello di motivazione. ### **Vantaggi dei Disegni Fattoriali e Interazioni tra Variabili** #### **Vantaggi dei Disegni Fattoriali** - #### **Esempio di Interazione** - - - #### **Rappresentazione Grafica delle Interazioni** - #### **Importanza delle Interazioni** - - ### **Tipi di Interazioni** 1. - - 2. - - 3. - - ### **Conclusione** Le interazioni forniscono informazioni preziose e possono rivelare dinamiche complesse tra variabili che gli effetti principali da soli non possono spiegare. Comprendere queste interazioni è fondamentale per interpretare correttamente i risultati sperimentali. 3. Disegni fattoriali entro i soggetti, tra i soggetti e misti -------------------------------------------------------------- Gli esperimenti fattoriali possono essere eseguiti: ** entro i soggetti: quando uno stesso gruppo di soggetti è sottoposto a tutte le condizioni;** ** oppure tra i soggetti: quando gruppi separati sono sottoposti a ciascuna condizione.** In generale, i disegni fattoriali [tra i soggetti sono più comuni:] ad esempio, il sesso (una tipica variabile tra i soggetti) è uno dei fattori più comuni nei disegni fattoriali. Una terza categoria è rappresentata dai [disegni fattoriali misti, i quali hanno almeno una variabile entro i soggetti e almeno una variabile tra i soggetti.] La Figura 6 illustra un disegno fattoriale in cui i fattori **A e B,** ciascuno con **due livelli,** sono le variabili indipendenti. Si hanno quindi quattro possibili combinazioni tra le variabili indipendenti: 1. 2. 3. 4. Lo stesso gruppo di 8 soggetti è sottoposto a tutte le condizioni, il che rende questo **disegno entro i soggetti.** ![](media/image14.png) Figura 6. Esempio di disegno sperimentale entro i soggetti Trattandosi di un disegno entro i soggetti, è necessario tenere sotto controllo degli effetti dell'ordine e della sequenza. La Figura 6 illustra un modo per sottoporre i soggetti alle quattro condizioni in **ordine controbilanciato**. I soggetti da S1 a S4 costituiscono un **quadrato latino bilanciato** (in quanto ogni condizione occupa una sola volta ogni posizione ordinale e segue una sola volta ogni altra condizione). Analogamente, i soggetti da S5 a S8 costituiscono un secondo **quadrato latino bilanciato.** In questo modo, lo sperimentatore ottiene otto risposte (una per ciascun soggetto) a ciascuna delle quattro condizioni sperimentali. La Figura 7 illustra la medesima situazione nel caso di un disegno fattoriale **tra i soggetti**. In tal caso, gruppi **diversi di soggetti sono sottoposti a condizioni diverse,** per cui sono necessari 32 soggetti per avere otto risposte in ciascuna condizione sperimentale. Figura 7. Esempio di disegno sperimentale tra i soggetti Infine, la Figura 8 illustra un disegno **fattoriale misto** in cui la variabile A è manipolata entro i soggetti e la variabile B è manipolata tra i soggetti. hanno quindi due gruppi diversi di soggetti (B1 e B2), i quali sono sottoposti a tutti i livelli del fattore A. Anche in questo caso, occorre tenere sotto controllo gli effetti dell'ordine e della sequenza, in quanto si ha una variabile manipolata entro i soggetti. La Figura 8 illustra un semplice metodo basato sulla tecnica del **controbilanciamento** **completo**. I gruppi B1 e B2 sono entrambi suddivisi in due sottogruppi di 4 soggetti ciascuno: il primo sottogruppo di B1 svolge viene sottoposto alle condizioni nell'ordine A1- A2, mentre il secondo sottogruppo svolge l'esperimento nell'ordine A2-A1. Lo stesso metodo viene applicato anche ai due sottogruppi di B21. ![](media/image30.png) Figura 8. Esempio di disegno sperimentale misto Confrontando le figure 6, 7 e 8, si può notare che il numero di soggetti richiesto da ciascuna disegno varia notevolmente. Il disegno entro i soggetti è il più economico, in quanto richiede solo 8 soggetti. Il disegno misto è intermedio, in quanto richiede il doppio dei soggetti rispetto al disegno entro (16 soggetti). Infine, il disegno tra i soggetti è il più dispendioso, in quanto richiede il doppio dei soggetti rispetto al disegno misto (32 soggetti). Pertanto, il disegno entro i soggetti è preferibile quando il reclutamento dei soggetti è problematico e non si prevedono forti effetti dell'ordine e della sequenza. 1 La Figura 8 presenta degli errori. Nella tabella a sinistra i numeri S20 e S26 nella condizione A2B2 vanno sostituiti con S10 e S16. Nella tabella più piccola a destra i numeri S25-32 sono in realtà S13-S16. ### **. Disegni Fattoriali tra Soggetti** - - - ### **2. Disegni Fattoriali entro Soggetti** - - - ### ### **Esempio Pratico** Immagina di avere un esperimento con: - - **Disegno tra soggetti**: - - **Disegno entro soggetti**: - - ![](media/image16.png) ### **Esempio di Disegno Fattoriale Tra Soggetti** Immagina di voler studiare l\'effetto di diversi metodi di insegnamento sulla performance degli studenti. Puoi manipolare una variabile indipendente (metodo di insegnamento) e misurare l\'effetto sulla performance degli studenti (variabile dipendente). #### **Variabile Indipendente (Manipolata tra soggetti)** - - - - #### **Variabile Dipendente** - #### **Analisi dei Dati** Dopo aver raccolto i dati, puoi analizzarli per vedere se ci sono differenze significative nella performance degli studenti tra i tre gruppi. Ad esempio, potresti utilizzare un\'analisi della varianza (ANOVA) per confrontare i punteggi dei test tra i tre gruppi. ### **Riassunto** In questo esempio di disegno fattoriale **tra soggetti**: - - - ### **Tipi di Disegni Fattoriali** 1. - - - 2. - - - 3. - - - ### **Confronto tra i Disegni** - - - ### **Conclusione** Il disegno entro i soggetti è preferito in situazioni in cui il reclutamento è difficile e non ci si aspetta che ci siano forti effetti di ordine e sequenza. Esperimenti su soggetti singoli =============================== 1. Cenni storici ---------------- La **ricerca su singoli soggetti** ha una lunga tradizione storica. Infatti, questo metodo fu adottato dalla maggior parte dei ricercatori che lavorarono prima del 1930. Tra questi, ricordiamo: - - - - ![](media/image25.png) - In generale, questi ricercatori assumevano che gli individui possono essere considerati come essenzialmente **equivalenti l'uno all'altro**. Pertanto, lo scopo di studiare più soggetti era solo quello di accertarsi che il primo soggetto non fosse grossolanamente anormale. La loro soluzione dei problemi dell'attendibilità e validità consisteva nel fare tante osservazioni e nel replicare frequentemente i risultati. Questa impostazione è radicalmente diversa da quella che ispirò la tradizione dello **studio delle differenze individuali** (inaugurata da **Galton e Pearson**). Questi studiosi partivano dall'assunto che le caratteristiche umane sono **distribuite normalmente.** Secondo tale approccio, la variabilità attorno alla media è **inevitabile** e deve essere considerata come il risultato dell'incapacità della natura di ottenere in ogni caso la persona media ideale. Dunque, lo scopo primario del ricercatore è quello di [separare l'effetto del trattamento sperimentale dalla variabilità individuale intrinseca]. Fu per questa ragione che **Fisher** inventò, intorno al 1930, una serie di metodi statistici utilizzati ancora oggi dai ricercatori di tutto il mondo (tra i quali, i metodi di analisi della varianza). **Riassumendo**, la differenza tra l'impostazione della ricerca su singoli soggetti e quella della ricerca su gruppi può essere delineata come segue: - - 2. Vantaggi e svantaggi della ricerca su soggetti singoli --------------------------------------------------------- **La ricerca su singoli soggetti presenta alcuni vantaggi rispetto alla ricerca su gruppi.** **Un primo vantaggio riguarda l'evidenziazione della prestazione individuale.** Ogni volta che si analizza una media dei dati per molti soggetti vi è la possibilità che il quadro generale fornisca una rappresentazione distorta del comportamento dei singoli individui. *Ad esempio, il grafico di sinistra nella Figura 1 riporta una curva di apprendimento ottenuta su molti soggetti: l'ispezione di questa curva può dare l'impressione che l'apprendimento sia graduale. Tuttavia, osservando le singole prestazioni (rappresentate nel grafico di destra della Figura 1), si nota che i soggetti apprendono di colpo, passando da una risposta negativa ad una risposta positiva in una singola prova.* Figura 1. Ipotetiche curve di apprendimento che mostrano il comportamento medio di un gruppo di soggetti (a sinistra) e le prestazioni dei singoli partecipanti (a destra). **Un secondo vantaggio riguarda l'evidenziazione dei grossi effetti.** Nella ricerca su gruppi di soggetti è sempre possibile scoprire che una variabile ha un effetto statisticamente significativo, anche se tale effetto è piccolo e ha scarsa significatività clinica. *Ad esempio, con un numero sufficiente di partecipanti l'effetto di un trattamento che produce un miglioramento nel 55% dei casi risulterebbe significativo, rispetto al 50% dei soggetti di controllo che migliorano spontaneamente.* Molti ricercatori preferiscono non perdere tempo nell'esame di variabili poco importanti e concentrarsi invece sull'esame di variabili potenti che esercitano grossi effetti. **Negli esperimenti su singoli soggetti è meno probabile scoprire l'effetto di una variabile poco importante, per cui lo sperimentatore non è distratto da effetti poco appariscenti.** In termini tecnici, gli statistici utilizzano il termine **'potenza'** per indicare la probabilità che un test statistico riveli una **differenza significativa effettivamente presente** nella popolazione da cui sono stati estratti i soggetti. **Un ricercatore ha due mezzi per aumentare la probabilità di ottenere un risultato significativo:** **aumentare la consistenza numerica del campione** (il numero dei soggetti o il numero delle osservazioni): questa è la soluzione preferita nella [ricerca su gruppi] di soggetti in quanto riduce l'impatto delle differenze individuali; oppure, **potenziare l'entità dell'effetto**: questa è la soluzione preferita nella ricerca su [singoli soggetti], in quanto implica il fatto di esercitare un miglior controllo sulla variabilità dovuta alla situazione sperimentale. Il terzo vantaggio della **ricerca su soggetti singoli** è la possibile **risoluzione di problemi etici** e **pratici**. - - Un ultimo vantaggio degli esperimenti su singoli soggetti è dato dalla **flessibilità** del disegno sperimentale. - - Oltre ai vantaggi appena descritti, non bisogna dimenticare che gli **esperimenti su soggetti singoli** hanno una serie di **svantaggi** rilevanti. In primo luogo, alcuni effetti sono **piccoli** rispetto alla quantità di **variabilità** nella situazione: questo significa che può essere impossibile controllare tutte le altre fonti di variabilità in modo sufficiente ad osservare l'effetto su soggetti singoli.\ *Ad esempio, si supponga che un ricercatore intenda determinare se l'aver subito un abuso da bambini porta ad essere abusanti da adulti.\ La risoluzione di questa controversia richiede necessariamente un disegno tra grandi gruppi di soggetti, in quanto le variabili non controllate che possono contribuire all'insorgenza di un comportamento abusante negli adulti sono così numerose che sarebbe impossibile controllarle tutte in un esperimento su soggetti singoli*. In secondo luogo, alcuni effetti sono per definizione **tra i soggetti**: così, è impossibile avere un soggetto che riceve due **istruzioni opposte** nello stesso esperimento, o al quale si insegna lo stesso materiale con due metodi diversi. La ricerca su soggetti singoli presenta diversi **vantaggi** rispetto a quella su gruppi: 1. 2. 3. 4. **Svantaggi**: 1. 2. 3. Strategie di controllo nella ricerca su singoli soggetti ----------------------------------------------------------- In un **disegno per gruppi**, lo sperimentatore confronta un gruppo di soggetti con un altro, oppure un gruppo di soggetti in una condizione con lo stesso gruppo in un'altra condizione. In questo caso, è necessario **assumere che i due gruppi erano uguali prima del trattamento** per attribuire l'effetto osservato al trattamento, anziché ad un'altra causa. In un **esperimento su soggetti singoli**, la strategia per confrontare le differenze tra le condizioni consiste nel confrontare il comportamento precedente all'introduzione della manipolazione sperimentale con quello successivo all'introduzione. In altre parole, è necessario ottenere una **linea di base stabile** con cui confrontare il comportamento successivo al trattamento. Si supponga, ad esempio, che un ricercatore voglia determinare l'efficacia di un trattamento per l'anoressia nervosa usando un disegno su un singolo soggetto. Sarebbe necessario **monitorare il peso e l'assunzione di cibo** del paziente per un certo periodo di tempo prima di iniziare il trattamento, allo scopo di assicurarsi che le condizioni fossero stabili e che il paziente non avesse cominciato a prendere peso spontaneamente. Tuttavia, **misurare una linea di base e poi introdurre il trattamento non assicura** che le modificazioni osservate nel comportamento non possano essere attribuite a variabili diverse dal trattamento stesso. Infatti, questo metodo equivale ad un **disegno quasi-sperimentale** con un gruppo e due prove, prima e dopo il trattamento. L'ipotesi che il trattamento sia la causa della modificazione comportamentale è notevolmente rafforzata se il trattamento viene **interrotto** dopo un certo periodo e il comportamento **ritorna verso la linea di base**. Questo disegno con interruzione è noto come **'disegno ABA'**. Esso presenta tuttavia due problemi: - - In effetti, una variante del disegno precedente è il cosiddetto **disegno ABAB**, in cui il trattamento viene ripetuto dopo l'interruzione, per permettere al soggetto di continuare a godere dell'effetto benefico del trattamento stesso e per avere una seconda possibilità di valutare il suo effetto. La **presentazione e l'interruzione ripetuta** dell'effetto di una variabile forniscono delle prove molto forti a favore dell'efficacia della manipolazione di tale variabile. Nella **ricerca su soggetti singoli** una regola di fondamentale importanza consiste nel **variare solo una variabile alla volta**: se due variabili sono simultaneamente manipolate, è impossibile decidere se l'effetto è causato da una variabile, dall'altra o da entrambe. Se vi sono due variabili (B e C), e la linea di base è A, una sequenza accettabile sarebbe: **A-B-A-B-BC-B-BC**. Come si vede, in questa sequenza ciascuna condizione è preceduta e seguita dalla stessa condizione almeno una volta. Un tale procedimento consente di verificare se la variabile C ha un effetto in aggiunta (ovvero, additivo) a quello della variabile B da sola. Un altro metodo efficace per dimostrare che il trattamento ha causato la modificazione del comportamento consiste nell'utilizzare un **disegno con linee di base multiple**. Tale metodo consiste nell'introdurre il trattamento in **tempi diversi** per ciascuno dei **diversi comportamenti del soggetto.** Ad esempio, si supponga che un ricercatore sia interessato a verificare se un bambino ritardato può essere spinto ad eseguire alcuni compiti con un rinforzo. Se il ricercatore comincia a rinforzare il bambino per un gran numero di comportamenti diversi, non può avere la certezza che l'eventuale modificazione sia causata dal rinforzo. È infatti possibile che la modificazione sia causata dalla **presenza dello sperimentatore** o dalla maggiore attenzione ricevuta. Un piano sperimentale alternativo consisterebbe nel fornire il rinforzo solo quando il bambino si lava i denti la prima settimana, quando si lava i denti e la faccia la seconda settimana, quando si lava denti, faccia e mani la terza settimana, e così via, fino ad arrivare ad una condizione in cui tutti i comportamenti sono rinforzati. Questa sequenza consentirebbe di avere una maggiore certezza sul fatto che la modificazione del comportamento sia effettivamente causata dal rinforzo. Le linee di base in questo disegno possono essere: - - - Il disegno con **linee di base multiple** è particolarmente utile quando la modificazione del comportamento è **irreversibile**. Infine, nel **disegno con criterio variabile** lo sperimentatore cambia nel tempo il criterio per somministrare il rinforzo. Dopo aver determinato la **linea di base**, si somministra un premio quando si verifica una certa approssimazione al comportamento desiderato. Dopo che il comportamento si è stabilizzato a quel livello, **il criterio viene innalzato** fino a quando il comportamento si stabilizza nuovamente, e così via. Si supponga che un bambino non riesca a stare seduto a scuola. Lo sperimentatore potrebbe decidere di **premiare il bambino** se sta seduto per 5 minuti fino a quando la prestazione diventa stabile. A questo punto, si sposta gradualmente il criterio a 10 minuti, a 15 minuti, e così via. Il comportamento associato con ciascun nuovo **criterio** diventa la **linea di base** per valutare l'effetto del trattamento al livello successivo. Come il disegno con **linee di base multiple**, il disegno con **criterio variabile** è specialmente utile quando la modificazione del comportamento è **irreversibile**. La ricerca su soggetti singoli ha un approccio diverso rispetto agli esperimenti con gruppi. In questi studi, lo sperimentatore confronta il comportamento del soggetto prima e dopo l\'introduzione del trattamento, anziché confrontare gruppi diversi. **Disegno ABA**: si misura una linea di base, si introduce il trattamento e poi si interrompe, osservando se il comportamento ritorna alla linea di base. Questo permette di capire se il trattamento ha causato la modificazione. Tuttavia, questo disegno ha due problemi: 1. 2. **Disegno ABAB**: variante del disegno ABA in cui il trattamento viene ripetuto per rafforzare l\'ipotesi che esso abbia causato la modifica e permettere al soggetto di continuare a beneficiare dei suoi effetti. **Variazione di una sola variabile**: è importante modificare solo una variabile alla volta per isolare la sua influenza. Sequenze come A-B-A-B-BC-B-BC permettono di testare se una seconda variabile ha un effetto aggiuntivo. **Disegno con linee di base multiple**: si introduce il trattamento in tempi diversi per comportamenti differenti o per individui diversi. Questo disegno è utile quando la modificazione comportamentale è irreversibile. **Disegno con criterio variabile**: lo sperimentatore cambia gradualmente il criterio per premiare il comportamento, come premiare un bambino che sta seduto a scuola per 5 minuti, poi 10, poi 15, fino a stabilizzare il comportamento. Anche questo metodo è utile per modificazioni irreversibili. In generale, questi disegni consentono di isolare l\'effetto di un trattamento in modo più sicuro, specialmente quando è difficile o eticamente problematico tornare alla linea di base o quando il comportamento cambia in modo permanente. Esempi di Comportamenti in Individui Diversi 1. - - - - 2. - - - - Esempi di Situazioni Diverse 1. - - - - 2. - - - - Vantaggi del Disegno con Linee di Base Multiple - - - In un disegno sperimentale A-B-A-B-BC-B-BC, in cui A rappresenta la linea di base e B l\'intervento, l\'aggiunta della variabile C (nella fase BC) serve a valutare l\'effetto di questa variabile sul trattamento B. Analizziamo ciascuna delle opzioni proposte per determinare quale sia corretta e perché le altre non lo siano. ### **Opzioni:** **A. La variabile C aumenta l\'effetto della variabile B\ B. La variabile C annulla l\'effetto della variabile B\ C. La variabile C diminuisce l\'effetto della variabile B\ D. La variabile C inverte l\'effetto della variabile B** ### **Analisi delle Opzioni** 1. - 2. - 3. - 4. - ### **Conclusione** **L\'opzione corretta è A**, poiché in questo disegno puoi verificare se la variabile C aumenta l\'effetto della variabile B osservando i cambiamenti nei risultati durante le fasi BC rispetto a B. Le altre opzioni non sono appropriate nel contesto di come sono strutturate le fasi nel disegno, poiché non si allineano con l\'obiettivo di esplorare le interazioni positive tra B e C. ### **Cos\'è il Disegno A-B-A-B-BC-B-BC?** - - - - - - - ### **Cosa si Verifica con questo Disegno?** L\'obiettivo principale è capire come la variabile C interagisce con l\'intervento B. Ora, vediamo le opzioni fornite: ### **Opzioni** 1. - - 2. - - 3. - - 4. - - ### **Conclusione** **La risposta corretta è A**: la variabile C aumenta l\'effetto della variabile B. Questo perché il disegno è progettato per vedere se C, aggiunto a B, migliora ulteriormente i risultati. **Le altre opzioni non si allineano con l\'obiettivo del disegno, che è esplorare un\'interazione positiva tra B e C.** ![](media/image10.png) In statistica, un risultato è considerato **significativo** quando è improbabile che sia dovuto al caso. Questo di solito viene determinato attraverso un test statistico, che produce un valore p. - - **La ricerca su singoli soggetti assume che:** - - - - **La tradizione di ricerca delle differenze individuali assume che la variabilità individuale:** - - - - **La tradizione del singolo soggetto sostiene che la maggior parte della variabilità nel comportamento del soggetto:** - - - - **Per aumentare la potenza statistica, il ricercatore può:** - - - - **Nella ricerca su gruppi di soggetti si trovano spesso:** - - - - **In un disegno classico tra i gruppi, il paradigma sperimentale:** - - - - **In un disegno ABA, ci si attende che:** - - - - **Un disegno A-B-A-B-BC-B-BC in cui A è la linea di base consente di verificare se:** - - - - **In un disegno con linee di base multiple, il trattamento deve essere introdotto:** - - - - **In un disegno con criterio variabile, ogni modificazione del criterio è seguita:** - - - - Quasi-Esperimenti ================= 1. Introduzione --------------- Come già illustrato in una lezione precedente, un **vero esperimento** è caratterizzato dal fatto che lo sperimentatore controlla completamente **chi, cosa, quando, dove e come**. In particolare, in un vero esperimento è possibile assegnare i soggetti alle condizioni sperimentali. Al contrario, un **quasi-esperimento** è caratterizzato dal fatto che lo sperimentatore non controlla l'assegnazione dei soggetti alle condizioni: i soggetti da assegnare alle condizioni sono infatti selezionati da **gruppi già esistenti**. *Ad esempio, uno studio potrebbe decidere di verificare gli effetti di un nuovo metodo di insegnamento su due diverse classi di alunni: in tal caso, egli starebbe progettando un **quasi-esperimento**, in quanto le classi sono state formate prima dell\'inizio della ricerca.* In un quasi-esperimento, le variabili indipendenti sono dette **variabili del soggetto**, proprio perché rappresentano le caratteristiche in base alle quali sono selezionati i soggetti (ad esempio, il genere o la classe di appartenenza). Questo tipo di ricerca viene spesso chiamata **ex post facto**, in quanto l'esperimento è eseguito dopo che i gruppi sono stati formati. Un altro modo di concepire la differenza tra **veri esperimenti** e **quasi-esperimenti** consiste nel notare che nei veri esperimenti il ricercatore **manipola** le variabili indipendenti, mentre nei quasi-esperimenti il ricercatore **osserva categorie di soggetti**. In altre parole, nei quasi-esperimenti il ricercatore definisce i gruppi in base ad una differenza preesistente che ritiene importante (questa differenza costituisce, di fatto, la variabile indipendente). Tuttavia, è bene notare che [la vera differenza che influenza i risultati può essere molto diversa da quella ipotizzata dallo sperimentatore.] Così, ad esempio, se due gruppi socioeconomici diversi differiscono su una qualche misura, il risultato può essere dovuto non alle differenze nello status socioeconomico, ma piuttosto alle **differenze culturali** esistenti tra i due gruppi. In un **quasi-esperimento**, lo studioso sottopone dei gruppi **preesistenti** all'azione di una variabile indipendente. In questi casi è difficile capire se la differenza comportamentale sia causata dalla differenza tra i gruppi o dall\'impatto della variabile indipendente. Per esempio, se il ricercatore studia gli effetti di due diversi metodi di insegnamento sull'apprendimento in due classi preesistenti, le eventuali differenze nell'apprendimento potrebbero essere causate dai metodi di insegnamento o dalle **differenze individuali preesistenti** tra gli studenti delle due classi. Per riassumere, il **vero esperimento** consente al ricercatore il massimo controllo per escludere le ipotesi (o le variabili indipendenti) alternative come causa della differenza tra due gruppi o tra due condizioni. Infatti, **l'assegnazione casuale** dei soggetti alle diverse condizioni elimina tutte le altre potenziali variabili indipendenti come spiegazioni alternative. Al contrario, un **quasi-esperimento** lascia aperta la possibilità che esistano altre differenze tra la condizione di controllo e quella sperimentale, e quindi **non esclude tutte le possibili spiegazioni alternative**. La presenza di **variabili non controllate o confuse** è un fattore che riduce la variabilità interna di un quasi-esperimento: il ricercatore deve sempre valutare la possibilità che i risultati siano dovuti a variabili estranee (diverse da quelle da lui ipotizzate). D\'altra parte, i quasi-esperimenti hanno spesso una **validità esterna** maggiore rispetto agli esperimenti di laboratorio, in quanto utilizzano soggetti o situazioni che sono più appropriate all\'esplorazione della questione di interesse. Si supponga, ad esempio, che un ricercatore desideri esaminare gli effetti di alcuni cambiamenti nell'ambiente lavorativo sulla produttività. Un esperimento condotto su studenti universitari che risolvono anagrammi avrebbe sicuramente meno validità esterna di un quasi-esperimento condotto sui lavoratori di un'industria. In generale, il **vero esperimento** è preferibile al quasi-esperimento; tuttavia, vi sono molti argomenti che sono difficili da studiare in laboratorio: in questi casi, un quasi-esperimento può essere l\'unica soluzione praticabile, soprattutto se il **realismo della situazione** è un fattore più importante della **perdita di controllo**. ### **Differenze tra Veri Esperimenti e Quasi-Esperimenti** - - - - - - - - - - - 2. Disegni con gruppi di controllo non equivalenti o senza controllo -------------------------------------------------------------------- Quando l'esperimento prevede **un gruppo di controllo e un gruppo sperimentale** sottoposti a due prove (prima e dopo il trattamento), ma **i soggetti non sono assegnati a caso ai gruppi** si ha un disegno **con gruppo di controllo non equivalente e due prove**. Si tratta di un classico disegno **quasi-sperimentale** in cui l'assenza di assegnazione casuale implica che non si può ritenere che i due gruppi fossero equivalenti prima del trattamento: il ricercatore deve quindi valutare la probabilità che altri fattori, oltre al trattamento, possano spiegare i risultati. L'interpretabilità dei dati derivati da un quasi-esperimento di questo tipo è variabile. La **Figura 1** mostra un quadro di risultati desiderabile che può essere facilmente interpretato. **Figura 1.** Esempio di risultati interpretabili in un disegno con un gruppo di controllo non equivalente e due prove In questo caso, la prestazione dei due gruppi è equivalente al pre-test; inoltre, la prestazione del gruppo sperimentale migliora dopo la somministrazione del trattamento (al post- test), mentre quella del gruppo di controllo non si modifica. Queste due caratteristiche consentono di concludere che l'incremento di prestazione nel gruppo sperimentale è effettivamente [causato dal trattamento. ] **La Figura 2** mostra un secondo quadro di risultati che risulta essere interpretabile. Come si può notare, la prestazione del gruppo sperimentale è inferiore a quella del gruppo di controllo al pre-test; tuttavia, la situazione si inverte al post-test, quando il gruppo sperimentale ottiene dei punteggi superiori a quelli del gruppo di controllo. Questo pattern suggerisce un [effetto significativo del trattamento]. Infatti, si potrebbe ipotizzare che [la differenza tra i gruppi al pre-test sia del tutto casuale] e che i due gruppi siano stati selezionati dalla medesima popolazione. Tuttavia, [se il trattamento non ha alcun effetto, non vi è alcuna ragione per attendersi una differenza significativa al post-test:] i due gruppi dovrebbero mostrare [prestazioni equivalenti anche in questa prova. ] ![](media/image17.png) Figura 2. Esempio di risultati interpretabili in un disegno con un gruppo di controllo non equivalente e due prove D'altra parte, vi sono situazioni in cui il pattern di risultati è difficilmente interpretabile **La Figura 3** mostra uno di questi casi, in cui vi è un incremento nella prestazione sia per il gruppo di controllo che per il gruppo sperimentale. Questo andamento può essere verosimilmente attribuito ad effetti generali dovuti alla **maturazione**, piuttosto che all'effetto differenziale del trattamento. Un secondo quadro poco interpretabile è illustrato nella **Figura 4.** In questo caso, il gruppo di controllo mostra una prestazione elevata sia al pre-test che al post-test, e non si registra nessun miglioramento dovuto al trattamento. Al contrario, il gruppo sperimentale mostra un chiaro aumento della prestazione tra il pre-test e il post-test. Questi risultati possono essere attribuiti ad un **effetto "soffitto"**: se la prestazione del [gruppo sperimentale non può aumentare] (poiché ha già raggiunto il massimo livello possibile), [non è possibile attribuire in maniera univoca l'aumento dei punteggi del gruppo sperimentale al trattamento. ] Figura 3. Esempio di risultati non interpretabili in un disegno con un gruppo di controllo non equivalente e due prove In alcune ricerche non è possibile ottenere un gruppo di controllo adeguato. In questi casi, i ricercatori possono utilizzare dei disegni quasi-sperimentali, due dei quali sono **i disegni a serie temporali interrotte** (senza gruppo di controllo) e **i disegni con trattamenti ripetuti.** ![](media/image1.png) **Figura 4.** Esempio di risultati non interpretabili in un disegno con un gruppo di controllo non equivalente e due prove In precedenza, è stato illustrato come la misurazione di una variabile prima e dopo il trattamento in un singolo gruppo sperimentale non costituisce un buon disegno sperimentale, in quanto l'assenza di un gruppo di controllo non consente di escludere spiegazioni alternative. Un modo per migliorare questo disegno consiste nel [v]alutare le tendenze dei dati prima e dopo il trattamento, attraverso rilevazioni multiple (in genere, la tendenza dei dati prima del trattamento è definita linea di base). **I disegni a serie temporali interrotte** sono utilizzati, ad esempio, per valutare le modificazioni stagionali della produttività nelle fabbriche. Anche in questo caso, l'interpretabilità del quadro dei risultati è variabile. La situazione ideale, illustrata nella Figura 5, sarebbe una linea di base **piatta e stabile**, accompagnata da una transizione brusca o graduale verso un nuovo livello dopo il trattamento. Figura 5. Esempio di un quadro di risultati desiderabile in un disegno a serie temporale interrotta Un secondo tipo di disegni quasi-sperimentali [senza gruppo di controllo] sono i **disegni con trattamenti ripetuti**, nei quali si mira ad aumentare la validità dell'esperimento effettuando il trattamento più volte. In questo caso, il ricercatore misura la risposta del soggetto prima e dopo l'introduzione del trattamento, il quale viene poi interrotto, per essere ripreso in un secondo periodo. Il quadro di risultati desiderabile prevede che [il cambiamento riscontrato tra il pre-test 1 e il post-test 1 dovrebbe andare nella stessa direzione del cambiamento riscontrato tra il pre-test 2 e il post-test 2;] inoltre, vi dovrebbe essere una inversione della tendenza tra il post-test 1 e il pre-test 2 − ovvero, durante l'interruzione del trattamento. Questa situazione è illustrata nella Figura 6. ![](media/image12.png) Figura 6. Esempio di un quadro di risultati desiderabile in un disegno con trattamenti ripetuti 3. Disegni per verificare cambiamenti nello sviluppo ---------------------------------------------------- Nella psicologia dello sviluppo non è infrequente che il ricercatore impieghi dei disegni con [gruppi di controllo non equivalenti in cui il tempo è la principale variabile indipendente. ] *Si supponga, ad esempio, che un ricercatore sia interessato a studiare lo sviluppo della capacità di programmare un videoregistratore.* Una prima opzione consiste nel condurre una **ricerca trasversale.** In questo caso, lo sperimentatore dovrebbe selezionare campioni di età differenti e sottoporli ad una prova che valuti l'abilità di programmare un videoregistratore (questa prova dovrebbe avvenire pressappoco nello stesso periodo di tempo per tutti i soggetti). Il principale vantaggio del disegno trasversale consiste nel **risparmio di tempo**: infatti, tutti i gruppi possono essere sottoposti alla stessa prova nello stesso periodo di tempo. D'altra parte, lo svantaggio è che **l'età si confonde con la data di nascita**: infatti, persone di età diversa sono nate in tempi diversi e pertanto hanno avuto esperienze diverse. In questi casi esiste sempre la possibilità di riscontrare effetti della coorte. La **coorte** è un gruppo di soggetti che hanno delle caratteristiche, e quindi delle esperienze, in comune. *I soggetti nati nel 1980 sono cresciuti con i registratori e pertanto dovrebbero aver acquisito una buona capacità di programmarli, mentre i soggetti nati nel 1950 non hanno avuto a disposizione questa tecnologia: è probabile, dunque, che vi sia un forte effetto di coorte sull'abilità di programmare un videoregistratore.* L'alternativa consiste nello svolgere una **ricerca longitudinale.** In questo caso, il ricercatore dovrebbe selezionare uno **stesso gruppo di soggetti nati in un certo anno** e valutare l'abilità di programmare un videoregistratore più volte nel corso del tempo (test multipli). Il vantaggio di questo metodo consiste nel fatto che tutti i soggetti hann

Metodologia di Ricerca PT 4 (2) PDF

Document Details

Tags

Related

Summary

Full Transcript

Upgrade to continue