Teoria e metodologia della ricerca sociale

digitale
RIASSUNTI

INTRODUZIONE 3
COS’E’ LA SOCIOLOGIA? 3
QUAL’È LA FUNZIONE DELLA SOCIOLOGIA? 4
COS’E’ LA SOCIETA’? 5
LO STUDIO SISTEMATICO DEI FENOMENI SOCIALI 8
HERBERT SPENCER E LA SOCIETA’ COME ORGANISMO 8
AUGUSTE COMTE E LA SCIENZA POSITIVA DELLA SOCIETA’ 9
FRÉDÉRIC LE PLAY E IL RIFORMISMO SOCIALE + UBRO 10
LE GRANDI TRADIZIONI TEORICHE SOCIOLOGICHE 12
EMILE DURKHEIM E IL FUNZIONALISMO POSITIVISTA 12
KARL MARX, IL CONFLITTUALISMO E LA CRITICA DELLA SOCIETA’ CAPITALISTICA 15
MAX WEBER E L’INTERPRETATIVISMO COMPRENDENTE DELL’AZIONE SOCIALE 16
IL PROCESSO DI RICERCA SOCIALE 19
LA CONOSCENZA SCIENTIFICA DEI FENOMENI SOCIALI 20

o
LE FUNZIONI DELLA RICERCA 23
L’ORTODOSSIA METODOLOGICA VS. L’APPROPRIATEZZA METODOLOGICA 23
LE FASI DELLA RICERCA SOCIALE 23
LA CLASSIFICAZIONE DEI TIPI DI RICERCA 26 E
LA RICERCA SOCIALE CON METODI TRADIZIONALI E DIGITALI 30
I DATI DIGITALI 30
LA RILEVAZIONE DEI DATI - TECNICHE QUANTITATIVE 31
IL CENSIMENTO 31
L’INCHIESTA CAMPIONARIA 31
LA DIMENSIONE CAMPIONARIA 33
IL CAMPIONAMENTO PROBABILISTICO 35
IL CAMPIONAMENTO CASUALE SEMPLICE 35
IL CAMPIONAMENTO SISTEMATICO 37
IL CAMPIONAMENTO A STRATI 38
IL CAMPIONAMENTO A STADI 39
IL CAMPIONAMENTO A GRAPPOLI 40
IL CAMPIONAMENTO NON PROBABILISTICO 42
IL CAMPIONAMENTO A SCELTA RAGIONATA 42
IL CAMPIONAMENTO BILANCIATO 42
IL CAMPIONAMENTO A VALANGA 43

1
 IL CAMPIONAMENTO DI CONVENIENZA 44
ESERCIZI CAMPIONAMENTO 47
IL QUESTIONARIO 49
LE SCALE 50
LA SCALA LIKERT 50
LE SCALE AUTO-ANCORANTI 50
LA SCALA BOGARDUS 1
IL DIFFERENZIALE SEMANTICO OSGOOD 1
LE PROBLEMATICHE GENERALI DELLA RILEVAZIONE 1
LE AVVERTENZE PER LA FORMULAZIONE DELLE DOMANDE 1
LA RILEVAZIONE DEI DATI - TECNICHE QUALITATIVE 1
L’INTERVISTA 1
LE TIPOLOGIE DI INTERVISTA 1
L’OSSERVAZIONE PARTECIPANTE 1
LE STORIE DI VITA 1
L’ANALISI E PRESENTAZIONE DEI DATI QUANTITATIVI 1
LA DISTRIBUZIONE DI FREQUENZA 1
L’ANALISI UNIVARIATA 1
LA MATRICE CASI-VARIABILI 1
LE MISURE DI TENDENZA CENTRALE O INDICI DI POSIZIONE 1
LA MODA 1
LA MEDIA 1
LA MEDIANA 1
LE MISURE DI DISPERSIONE 1
I QUARTILI 1
LA DIFFERENZA INTERQUARTILE O SCARTO INTERQUARTILE CAMPIONARIO 1
LA DEVIAZIONE STANDARD O SCARTO QUADRATICO MEDIO 1
L’ANALISI BIVARIATA 1
GLI INDICI 1
LA CORRELAZIONE E LA REGRESSIONE 1
LA TAVOLA DI CONTINGENZA E TEST DI INDIPENDENZA DEL CHI-QUADRATO 1
I GRAFICI 1
L’ANALISI E PRESENTAZIONE DEI DATI QUALITATIVI 1
ESERCIZI RACCOLTA E ANALISI DEI DATI 1

2
·

-SEMPIO
C FOTOGRAFIA)
VISIONE COLLETINA
SOCIOLOGIA : GRANDANGOW
ANTROPOLOGIA : VISIONE RAVVICINATA
PSICOLO GIA i VISIONE NEL DETTAGLIO

Cos’è la sociologia?
La sociologia è la disciplina che studia le dinamiche della vita sociale (come le persone
interagiscono tra loro e con la società) e le strutture della società stessa (come sono organizzate
le comunità e quali forze sociali influenzano comportamenti, credenze e valori).

Un esempio semplice di come la sociologia opera è l’analisi del gesto quotidiano di bere un caffè:
- dimensione globale: il caffè può provenire da diverse parti del mondo coinvolgendo di
conseguenza lavoratori, multinazionali e piccoli produttori,
- Dimensione culturale: in Italia a bere un caffè e un rito sociale; altrove può avere significati
diversi,
- Insegnamento sociologico: ci aiuta a vedere azioni quotidiane come parte di un sistema
complesso fatto di storia, economia, cultura e identità
LA NOSTRA È UNA SOCIOLOGIA G-NERALE
C

Qual’è la funzione della sociologia?

ESISTONO ALTRE FUNZIONI IN QUANTO I FINI

SONO DIFFERENTI :
A
La sociologia ha diverse finalità seconda dell’approccio:
• Cognitivo scientifica: studia cause ed effetti dei fenomeni sociali per comprenderli e spiegarli,
• Estetica ed espressiva: esplora l’esperienze soggettive, il senso comune per dare significato
alla vita quotidiana,
• Impegnata: analizza problemi sociali per promuovere cambiamenti e migliorare le condizioni di
vita,
• Descrittiva: si occupa di descrivere situazioni sociali e politiche pubbliche senza
necessariamente intervenire,
• Settoriale: affronta temi specifici come economia, diritto, comunicazione o educazione.

Cos’è la società?
La società è:
1. Un insieme di persone che condividono:
- Valori, lingua e norme comuni,
- Processi di socializzazione tramite scuola, famiglia e media.
2. Un sistema organizzato di relazioni basato su identità, ruoli e status:
- Identità: insieme delle caratteristiche, che prescindono dalle nostre volontà,utili ad
individuare una persona (es. Gruppo sanguigno, genitori),
- Ruoli: aspettative di azioni legate allo status (es. Studente),
- Status: attesta una condizione giuridica nella stratificazione sociale (es. Cittadinanza),
Quando questi vengono generalizzati, nascono gli stereotipi (es. la donna è più debole
dell’uomo; tutti gli italiani sono più abili in cucina). Quando gli stereotipi si trasformano in qualcosa
di negativo, parliamo di stigmatizzazione, ovvero esclusione sociale.
Alla luce di questi fattori, l’interazione, pertanto, può essere interpretata come una sorta di “gioco delle
parti” che si svolge sul palcoscenico ma che si prepara anche nel retroscena che è lo spazio intimo di
riflessività degli attori. Secondo l’approccio drammaturgico1: nel palcoscenico gli “attori” (da soli o in
compagnia) interagiscono reciprocamente cercando di dare l’immagine di sé maggiormente congruente
alle aspettative sociali rispetto a ruoli e status.

Categoria Concetto Descrizione Esempi

Identità Identità Differenze individuali legate ai Nome, preferenze

personale processi di individualizzazione. personali

Identità Somiglianze tra persone che creano un Nazionalità, religione

collettiva senso di gruppo, solidarietà e
appartenenza.

Identità Caratteristiche fisiche e culturali, Genere, etnia

primaria come genere ed etnia.

Identità Identità associate a ruoli e status Professione, titolo

secondaria acquisiti, fluidi e mutevoli. accademico

Ruoli Aspettative sociali definite in base alla Genitore, lavoratore

posizione sociale, modellate dalle
percezioni altrui.

Status Posizione in una struttura sociale,

determinata da condizioni giuridiche o
sociali.

Status Status assegnato per ragioni Sesso, età

ascritto biologiche o ereditate.

Status Status raggiunto tramite sforzo Laurea, promozione

acquisito personale o meriti. lavorativa

Stereotipi Generalizzazioni distorte di identità, Stereotipi di genere, etnici

ruoli o status, ignorando la specificità
individuale.

Stigma Processo derivato dagli stereotipi, che Emarginazione sociale

conduce alla marginalizzazione e
visione negativa di individui o gruppi.

1
Goffman, E. [1959] (1969). La vita quotidiana come rappresentazione. Bologna: Il Mulino
7
La nascita della sociologia principali contributi storici
La sociologia nasce come disciplina per rispondere ai cambiamenti sociali, politici ed economici
avvenuti tra il XVIII e il XIX secolo, a seguito della rivoluzione francese e della rivoluzione
industriale avvenuta in Inghilterra. Inserita nella cornice dell’Illuminismo e del razionalismo, questa
scienza si propone di analizzare le dinamiche sociali in modo sistematico, per comprendere le
trasformazioni rapide della società e offrire soluzioni ai conflitti sociali ed economici. Ancora oggi
la sociologia si conferma essenziale per analizzare i fenomeni globali come la digitalizzazione,
disuguaglianze sociali e cambiamenti climatici.

Herbert Spencer: la società come organismo

Herbert Spencer (1820-1903) propone una visione della società come un organismo vivente
composto da parti interdipendenti, ognuna con una funzione specifica. Come in un corpo umano,
tutte le componenti collaborano per garantire la salute e l’operatività del sistema complessivo.
Questo approccio sistematico pone le basi per l’idea che la società debba mantenere un
equilibrio sociale, dove ogni componente contribuisce al funzionamento generale.

Spense e sostiene che la società progredisca attraverso un processo naturale di evoluzione, in

cui le dinamiche sociali si sviluppano liberamente secondo leggi [Link] questa visione
emerge il concetto di Darwinismo sociale, che applica i principi della selezione naturale al
contesto economico e sociale. Egli si oppone a interventi governativi, promuovendo un approccio
liberale e auto regolante per la gestione delle società. Le sue teorie influenzano profondamente il
dibattito sul liberalismo economico e le politiche pubbliche.

Auguste Comte: la scienza positiva della società

August Comte ( 1798-1857), fondatore della sociologia e ideatore del termine stesso, propone che
questa disciplina debba essere una scienza positiva, basata sull’osservazione empiristica e la
formulazione di leggi universali. Per Comte, lo studio scientifico della società segue lo stesso
rigore delle scienze naturali e si articola in tre stadi evolutivi della conoscenza umana:
1. Stadio teologico: fenomeni spiegati con la religione,
2. Stadio metafisico: fenomeni spiegati con la filosofia,
3. Stadio positivo scientifico: fenomeni basati sull’osservazione e sull’indagine scientifica.

Comte considera la sociologia una scienza superiore, capace di sintetizzare le conoscenze di

altre discipline come biologia, psicologia ed [Link] suo obiettivo è studiare i fattori di
integrazione sociale, per comprendere come costruire e mantenere l’unità della società.
Attraverso l’adozione del metodo positivista, Comte promuove l’idea che la sociologia non solo
descriva la società, ma contribuisca attivamente al progresso sociale.

Frederic Le Play: il riformismo sociale

Federic Le Play (1806-1882) si distingue per il suo approccio empiristico e riformista, ponendo
particolari attenzione alle famiglie come unità di analisi per comprendere i cambiamenti sociali ed
economici. Durante la rivoluzione industriale, Le Play o osserva l’impatto dell’urbanizzazione delle
nuove forme di lavoro sulla vita delle famiglie. Attraverso l’osservazione diretta, raccoglie i dati
su diverse realtà sociali, analizzando il ruolo del risparmio come elemento di stabilità economica
e coesione sociale.

Le play ritiene che famiglie i legami morali forti siano più resistenti alle crisi economiche, capaci di
garantire un futuro migliore ai propri figli e contribuire alla stabilità della comunità. Propone riforme
sociali ispirate ai principi cattolici, mirate a ridurre le disuguaglianze e a migliorare le condizioni di
vita delle famiglie e dei lavoratori. Il suo lavoro promuove un modello di società basato sulla
responsabilità collettiva e sulla collaborazione tra imprenditori, lavoratori e politica.
·

FEDERIC LE PLAY
Un’analisi critica di un precursore della sociologia

Pierre Guillaume Frédéric Le Play, nato nel 1806 in Normandia, è considerato uno dei pionieri della
sociologia. Cresciuto in un ambiente cristiano e patriottico, sviluppa sin da giovane un profondo
interesse per le condizioni sociali delle classi lavoratrici, alimentato dall’esperienza diretta delle
difficoltà affrontate dai pescatori normanni, vittime delle conseguenze del blocco navale
napoleonico. Questa esperienza lo orienta verso un approccio pratico e conservatore ai problemi
sociali, basato sull’integrazione tra tradizione e riforma.
Le Play si forma presso prestigiose istituzioni come l’École Polytechnique e l’École des Mines,
dove sviluppa competenze tecniche che applicherà poi alla sua carriera di ingegnere, statistico e
sociologo. Durante gli anni parigini, ha l’opportunità di entrare in contatto con circoli aristocratici e
intellettuali, partecipando a dibattiti sulle riforme sociali e sull’influenza della religione sulla società.
Un evento significativo è il grave infortunio subito nel 1830 durante un esperimento di laboratorio,
che lo costringe a un lungo periodo di convalescenza proprio mentre la Francia vive i tumulti politici
che porteranno alla caduta di Carlo X. Questo periodo segna una svolta nel suo pensiero,
spingendolo a riflettere più profondamente sulle dinamiche sociali. DAL MOMENTO CHE LE RIVOLUZIONI
Le Play vive in un’epoca di trasformazioni radicali: la Rivoluzione francese, la rivoluzione
industriale e il consolidamento del liberalismo ridisegnano le strutture sociali ed economiche.
Questi cambiamenti portano a nuove forme di disuguaglianza e instabilità sociale. In questo
contesto, la giovane sociologia cerca di offrire risposte concrete ai problemi del tempo. Le Play si
distingue per il suo approccio innovativo, basato sull’osservazione empirica e sull’analisi dei bilanci
familiari, un metodo che considera la famiglia come nucleo fondamentale della società e punto di
partenza per comprendere il progresso sociale.

l
La carriera di Le Play si divide in due fasi principali. La prima, dal 1833 al 1855, è dedicata
all’osservazione scientifica. Durante questo periodo, compie numerosi viaggi in Europa,
raccogliendo dati sulle condizioni di vita delle famiglie in contesti diversi. Attraverso l’analisi di
centinaia di bilanci familiari, descritti nella sua opera principale Les Ouvriers Européens, Le Play
dimostra come il lavoro, il risparmio e i legami parentali siano essenziali per la stabilità e il
benessere collettivo. La seconda fase della sua carriera, dal 1856 al 1882, è dedicata alla
formalizzazione delle sue idee e alla proposta di riforme sociali. In questo periodo pubblica Les
Ouvriers des Deux Mondes, ampliando il campo delle sue analisi e formulando una teoria sociale E
incentrata sulla “paix sociale”, ovvero la stabilità raggiungibile attraverso la collaborazione tra
Stato, famiglia e [Link] Play ritiene che la religione, in particolare il cattolicesimo, sia un ②
collante sociale indispensabile. Si richiama ai principi tomistici e al Decalogo, considerandoli A
fondamenti morali per una società stabile e armoniosa. Critica il liberalismo e il socialismo,
accusandoli di trascurare il ruolo della morale e della tradizione. È particolarmente severo verso la
carità passiva, che considera inefficace nel risolvere le cause profonde della povertà. Per lui, le
riforme devono puntare a garantire lavoro stabile e giustizia sociale, superando le inefficienze del
sistema di beneficenza e delle politiche [Link] i suoi contributi, Le Play è stato
spesso oggetto di critiche. I detrattori lo accusano di paternalismo, conservatorismo e di essere
eccessivamente legato a una visione religiosa della società. Tuttavia, il suo approccio empirico e il
focus sulla famiglia hanno avuto un impatto duraturo sulla sociologia. La sua metodologia, basata
sull’osservazione diretta e sull’analisi comparata, ha influenzato le scienze sociali in Europa e negli
Stati Uniti, dove le sue idee hanno trovato seguaci, sebbene abbiano perso popolarità nel corso
del [Link] la sua morte, avvenuta nel 1882, i seguaci di Le Play si dividono in due correnti:
una focalizzata sull’osservazione sociale, l’altra sulla realizzazione pratica delle riforme. Tuttavia,
l’ascesa di scuole sociologiche concorrenti, come quella di Durkheim, e le divisioni interne alla sua
scuola portano a una progressiva emarginazione del suo pensiero. Nonostante ciò, il suo metodo e
le sue idee rimangono fondamentali per lo studio della famiglia, della morale e della stratificazione
sociale. Le Play, con la sua attenzione ai dati empirici e la ricerca di soluzioni pratiche, rimane un
pilastro della sociologia moderna, anche se spesso frainteso o trascurato. La sua opera continua a
ispirare riflessioni sulla necessità di integrare tradizione e progresso per affrontare i problemi
sociali.
·
Lo studio sistematico dei fenomeni sociali
La sociologia moderna si basa su tre grandi tradizioni teoriche: il funzionalismo, il
conflittualismo e l’interpretativismo. Questi approcci nascono come risposte alle trasformazioni
sociali ed economiche delle rivoluzioni industriali, fornendo prospettive complementari per
comprendere le dinamiche sociali.
• Il funzionalismo vede la società come un organismo complesso, dove ogni parte svolge una
funzione per mantenere l’equilibrio sociale.
• Il conflittualismo analizza i conflitti di classe e le disuguaglianze, evidenziando come i
rapporti di potere guidino il cambiamento sociale.
• L’interpretativismo si focalizza sui significati soggettivi delle azioni sociali, esplorando come
gli individui costruiscono la realtà sociale attraverso simboli e interazioni.

Émile Durkheim e il Funzionalismo Positivista

Émile Durkheim, considerato uno dei padri fondatori della sociologia, ha sviluppato il
funzionalismo positivista, una teoria che interpreta la società come un sistema organico
composto da parti interdipendenti. Ogni istituzione sociale svolge una funzione per garantire la
stabilità e ordine sociale.
Esegue una Tassomania: classifica le società per il livello di solidarietà sviluppato nel tempo. Si
domanda quale sia il grado di solidarietà sviluppato e se questo dipenda da quello evolutivo.
Classifica la solidarietà in:
• Meccanica: tipica delle società semplici, basata su somiglianze culturali e legami forti.
• Organica: caratteristica delle società complesse, in cui la coesione dipende dalla
specializzazione e dall’interdipendenza.

Ha introdotto concetti fondamentali come:

• Fatti sociali: modi di agire, pensare e sentire che esistono al di fuori degli individui, esercitando
su di loro una pressione coercitiva.
• Anomia: una condizione di disorientamento sociale che emerge nei periodi di rapido
cambiamento, quando le norme diventano confuse o assenti.
· La DEVIANZA -- COMPORTAMENTO CHE VA CONTRO LE NORME

Durkheim ha anche studiato il suicidio, classificandolo in quattro tipi principali:

1. Egoistico: causato dall’isolamento sociale.
2. Altruistico: derivante da un eccesso di integrazione nella società (es. martirio).
3. Anomico: legato a crisi economiche o cambiamenti improvvisi,
4. Fatalistico: provocato da un controllo sociale oppressivo (es. detenuti).

Nonostante la sua apparente negatività, Durkheim sostiene che anche la devianza possa essere
funzionale, perché rafforza le norme sociali e stimola il cambiamento.

Karl Marx, il conflittualismo e la cristina della società capitalistica

Karl Marx, fondatore del conflittualismo sociologico, interpreta la società come un campo di
lotta tra classi sociali con interessi opposti. Nella sua visione, la struttura economica è alla base
dei rapporti sociali, e il sistema capitalistico è caratterizzato dal dominio della borghesia
(proprietari dei mezzi di produzione) sul proletariato (lavoratori sfruttati).
1) DETERMINA LA
Marx introduce i concetti di struttura e sovrastruttura:
• La struttura rappresenta la base economica, composta da forze produttive e rapporti di
produzione (macchine, capitale, forza lavoro)
• La sovrastruttura include cultura, religione e ideologia, e serve a legittimare i rapporti di
potere esistenti.
Nel capitalismo, i lavoratori subiscono un’alienazione: sono separati dal prodotto del loro lavoro e
dal significato stesso della loro attività. Questo fenomeno deriva dall’estrazione del plusvalore (il
profitto del capitalista), che aumenta quando aumenta lo sfruttamento degli operai (Plus lavoro)
·

Per Marx, la soluzione risiede nella coscienza di classe ossia la consapevolezza da parte del
proletario del proprio sfruttamento, il quale di conseguenza deve organizzarsi per una rivoluzione
[Link] processo dovrebbe portare a un sistema socialista, in cui lo Stato regola i
rapporti economici, e infine al comunismo, una società senza classi né conflitti.

Le analisi di Marx sono ancora oggi rilevanti per comprendere le disuguaglianze sociali e le
dinamiche di potere nelle società contemporanee.

Marx Weber e l’interpretativismo comprendente dell’azione sociale

Max Weber, tra i maggiori teorici della sociologia, adotta un approccio interpretativista, il suo
compito è proprio quello di interpretare e studiare i significati soggettivi delle azioni sociali.
Weber analizza come gli individui costruiscano la realtà sociale attraverso simboli e interazioni,
enfatizzando il ruolo della razionalità nella modernità.
classifica le azioni sociali in quattro tipi:
1. Razionale rispetto allo scopo: orientata a obiettivi specifici.
2. Razionale rispetto al valore: guidata da principi morali o ideali.
3. Affettiva: influenzata dalle emozioni.
4. Tradizionale: basata su abitudini consolidate.
Weber si sofferma anche ad elaborare il concetto di razionalizzazione A proprio delle
LA società
BUROCRAZIA

N
moderne. Il suo concetto di razionalizzazione descrive il processo moderno che privilegia
portato alla creazione di una “gabbia d’acciaio” in cui
l’efficienza e il calcolo, che purtroppo una AUNA #

la libertà individuale è limitata. Questo fenomeno porta alla disumanizzazione delle relazioni
sociali e a una perdita di significato nella vita personale.

Max Weber, oltre a concentrarsi sui significati soggettivi delle azioni sociali e sul processo di
razionalizzazione, introduce il metodo comprendente come strumento centrale per l’analisi
sociologica. Questo metodo si basa sull’idea di comprendere dall’interno le motivazioni, i
significati e le intenzioni che guidano l’agire umano.
La comprensione sociologica (dal latino comprehendere, “prendere con”) non cerca di spiegare i
fenomeni sociali tramite leggi universali, come nel positivismo, ma attraverso l’interpretazione
empatica delle azioni degli individui. Il sociologo, secondo Weber, deve immedesimarsi nei
soggetti studiati per ricostruire il senso che essi attribuiscono alle loro azioni.
Uno degli strumenti fondamentali per applicare il metodo comprendente è l’idealtipo, un modello
teorico costruito per semplificare e analizzare i fenomeni sociali. Gli idealtipi non descrivono la
realtà così com’è, ma rappresentano schemi concettuali utili per interpretare e confrontare le
diverse realtà sociali. Esempi di idealtipi sono il capitalismo, la burocrazia o la Chiesa.

Weber sottolinea anche l’importanza dell’avalutatività nella scienza: il sociologo deve cercare di
mantenere i propri giudizi di valore separati dall’analisi scientifica, pur riconoscendo che la
completa neutralità è impossibile. Questo approccio consente una comprensione più ricca e
articolata delle azioni sociali e delle loro cause.
IL PROCESSO DI RICERCA SOCIALE6

Non esiste dunque una definizione omnicomprensiva di "società". Proprio per questa ragione, è
possibile esplorare lo sviluppo dei fenomeni sociali attraverso diverse prospettive di analisi, offrendo
comunque interpretazioni plausibili. L'eterogeneità delle dinamiche sociali rende necessaria una
pluralità di approcci, ciascuno in grado di cogliere aspetti specifici e fornire spiegazioni coerenti con il
contesto e i valori in esame.

Per spiegare meglio questo concetto potremmo far uso dell’arte pittorica e particolarmente al vedutismo
realista e all'astrattismo, che, in quanto approcci pittorici diversi, offrono una metafora efficace per
descrivere i modi diversi con cui si può osservare e analizzare la società. Questi riflettono due prospettive
complementari nell'interpretazione dei fenomeni sociali.

Canaletto - Il ritorno del Bucintoro al molo nel giorno

dell’Ascensione (1729 -1734)

VEDUTISMO REALISTA → POSITIVISMO

OGGETTIVISTA

Vassily Kandinsky, Mosca – La piazza Rossa (1916)

ASTRATTIVISMO →
INTERPRETATIVISMO SOGGETTIVISTA

Il vedutismo realista si concentra sulla rappresentazione fedele e dettagliata della realtà visibile con lo
scopo di riprodurre esattamente ciò che si percepisce catturando paesaggi, edifici, scene urbane o rurali e
puntando ad una precisione tale da restituire dettagli e quindi con lo scopo di riflettere la realtà in modo
oggettivo. L’approccio è tale da mantenere un forte legame con la natura e il mondo fisico. L'artista,
pertanto, agisce come un osservatore che documenta il mondo esterno senza distorcerlo. Questo approccio
corrisponde a un’analisi della società che cerca di rappresentare i fenomeni in modo “oggettivo” come
avviene nelle scienze sociali basate su dati empirici e osservazioni dirette.
Al contrario l'astrattivismo non si preoccupa della rappresentazione esatta della realtà visibile e si
6
Corbetta, P. (2014). Metodologia e tecnica della ricerca sociale. Bologna: Il Mulino; Marradi, A. (2007). Metodologia delle
scienze sociali. Bologna: Il Mulino; Amaturo, E. (2022). Metodologia della ricerca sociale. Torino: Utet
19
focalizza invece su forme, colori, linee e composizioni che non necessariamente rispecchiano oggetti o
scene reali. L'arte di questo tipo cerca di trasmettere concetti, emozioni o idee in modo non figurativo
perché elimina l'imitazione diretta del mondo esterno ed enfatizza l'espressione soggettiva e
l'interpretazione personale dell'artista. Ciò avviene, spesso, coinvolgendo lo spettatore in un processo di
interpretazione che va oltre il semplice riconoscimento visivo. Si presta dunque a un’analisi più
concettuale e interpretativa della società e non ci si limita a ciò che è visibile o misurabile cercando
cogliere dimensioni più profonde, simboliche e soggettive dei fenomeni sociali.

LA CONOSCENZA SCIENTIFICA DEI FENOMENI SOCIALI

La scienza è una accumulazione progressiva e costante di nuove
acquisizioni. È il risultato di operazioni di osservazione, calcolo,
riflessione e condivisione.
La scienza consente di osservare la realtà da uno specifico punto di
vista e di giustificare fondatamente quella osservazione e oscilla tra
momenti cosiddetti “normali” e “rivoluzionari”. Ogni rivoluzione
scientifica presuppone una trasformazione concettuale attraverso cui
gli scienziati guardano al mondo. La scienza normale, più
specificamente, è quella fase dove predomina un paradigma che
risulta essere ampiamente condiviso. In questa fase la scienza si
sviluppa in modo lineare e cumulativo7.
La scienza rivoluzionaria è la fase in cui paradigmi alternativi si sostituiscono a quelli precedenti. Ad
esempio, la meccanica einsteniana che si sostituisce alla meccanica newtoniana, la cosmologia
copernicana che si sostituisce a quella tolemaica.
Nel dettaglio il paradigma:
a) è uno schema condiviso e riconosciuto dalla comunità di scienziati di una determinata disciplina;
b) è fondato sulle acquisizioni precedenti della disciplina stessa;
c) opera indirizzando la ricerca verso:
c1) l’individuazione e la scelta dei fatti rilevanti da studiare;
c2) la formulazione di ipotesi dentro cui collocare la spiegazione dei fenomeni;
c3) l’approntamento di tecniche di ricerca empirica.

7
Kuhn, T. [1962] (2009). La struttura delle rivoluzioni scientifiche. Torino: Einaudi
20
Due esempi di paradigmi per le scienze sociali sono il positivismo oggettivista e il soggettivismo
interpretazionista ermeneutico che divergono per:
a) Questione ontologica (l’essenza della realtà)
a1) La realtà sociale è un mondo reale ed oggettivo (positivismo)
a2) La realtà è dipendente dalla mente umana e dall’interpretazione (soggettivismo)
b) Questione epistemologica (la conoscenza ottenibile sondando la realtà)
b1) La realtà sociale è conoscibile senza rischi di alterazione della stessa e con la possibilità di
trovare leggi universali che la spiegano tramite categorie causa-effetti (positivismo)
b2) La realtà sociale è conoscibile con “generalizzazioni” probabilistiche (soggettivismo)
c) Questione metodologica (il metodo e la strumentazione tecnica del processo cognitivo)
c1) Esperimento (positivismo)
c2) Tecniche poco invasive per non alterare l’oggetto di studio (soggettivismo)

21
·

LESEMPI DI PARADIGMI PER LE SCIENZE

SOCIAL
SCHEMA CONDIVISO DALLA

Paradigmi =
Comunità
FONDATO SU
Scientifiche

ACQUISIZIONI
Positivismo oggettivista Soggettivismo interpretazionista
PRECEDENTI (Durkheim) ermeneutico (Weber)

Ontologia (la realtà cos’è?) La realtà sociale è un mondo La realtà è dipendente dalla mente
“reale” ed “oggettivo” (realismo umana, dalla sua rappresentazione
ingenuo) e dalla diversa interpretazione

S
(ermeneutica) che la realtà ha
(costruttivismo e relativismo)

I Epistemologia (che conoscenza è Dato che la realtà sociale è esterna La realtà sociale è conoscibile con
F
possibile ottenere sondando la all’osservatore (dualismo) essa è “generalizzazioni” probabilistiche
A
realtà?) conoscibile senza rischi di (soggettivismo; non-dualismo e
E
alterazione. non oggettività).
R E’ necessario formulare leggi
universali (scienza nomotetica)
Non sono possibili leggi ma
tentativi d’interpretazione

o
spiega i fatti tramite il rapporto probabilistici (scienza ideografica).
causa-effetto (oggettivismo)

Metodologia (quale strumentazione La “realtà sociale” è parte della L’osservatore è parte della realtà
tecnica bisogna utilizzare?) “natura” in sé. che osserva. Il suo punto di vista e
La realtà, pertanto, si può e si deve il suo “bagaglio” (culturale,
sondare tramite “esperimenti”, con valoriale, …) non sono estranei
il distacco osservativo e senza alla porzione di realtà che osserva
temere manipolazioni della realtà e che condiziona nonostante lo
stessa. sforzo “avalutativo”. Si
I risultati devono essere necessitano di tecniche poco
“quantificabili” e generalizzanti invasive per non alterare l’oggetto
(ricorso a tecniche “quantitative” di studio. E’ necessaria una forte
di tipo statistico). interazione empatica tra studioso e
soggetto studiato (ricorso a
tecniche “qualitative” non
statistiche e quindi etnografiche).

22
LE FUNZIONI DELLA RICERCA
La ricerca scientifica è un processo creativo di scoperta che si sviluppa secondo un itinerario prefissato e
secondo procedure prestabilite che si sono consolidate all’interno della comunità scientifica.
Il lavoro dello scienziato sociale non consiste solamente nel produrre teorie, ma anche nel metterle alla
prova. La ricerca empirica deve svilupparsi quindi all’interno di un quadro collettivamente condiviso.
La connotazione collettiva-pubblica della scienza ha un’esigenza di controllo e di ripetibilità, ed una di
cumulatività.
a) Funzione di controllo e ripetibilità. I concetti ed i procedimenti adoperati, anche dal più intuitivo dei
sociologi, devono essere standardizzati, e i risultati delle loro intuizioni debbono poter essere verificati da
altri.
b) Funzione di cumulatività. Le scoperte scientifiche si accumulano nell'ambito di una disciplina (ed
anche in più discipline) e consentono ulteriori scoperte.

&
PREFERENZA RIGIDA
Di UN APPROCCIO

L’ORTODOSSIA METODOLOGICA DER RAGIONI

IDEOLOGICHE
VS.
L’APPROPRIATEZZA METODOLOGICA ESESSIBILETT ALLARICERCA DA
FARE

Nella ricerca sociologica il dibattito tra ricerca quantitativa e qualitativa è sempre stato vivo. Ci sono state
stagioni in cui ha prevalso l’uno e stagioni in cui ha prevalso l’altro. La distinzione tra ricerca
qualitativa e ricerca quantitativa è di natura tecnica, tanto che la scelta di una o dell’altra, in una
specifica ricerca, ha a che fare con l’adeguatezza, i mezzi a disposizione ed i risultati che si intendono
raggiungere. Non v'è dunque un metodo più efficace o più “scientifico” di un altro. La scelta di
metodo è meramente tecnica e non può essere ideologica. Piuttosto, la diversità, l'eterogeneità dei metodi
consente un arricchimento della ricerca.

LE FASI DELLA RICERCA SOCIALE

La ricercasociale
La ricerca sociale segue un
si sviluppa processo
secondo questearticolato
fasi: in diverse fasi.
1. Individuazione, del fenomeno e/o del problema da indagare, attraverso un processo di
• Si riflessione
parte dall’individuazione
preliminare; del problema da studiare, seguita dall’analisi della
letteratura per costruire un quadro teorico e metodologico.
2. Riferimento quadro teorico e metodologico, a mezzo del ricorso alla letteratura specialistica per
• l’inquadramento più
Successivamente puntuale l’obiettivo
si definisce dell’argomento oggetto
della d’analisi.
ricerca La teoria ipotesi
e si formulano è una formulazione
specifiche,
traducendo
generale edi concetti in di
un insieme relazioni osservabili.
proposizioni, organicamente connesse, che si pongono ad un elevato
livello di astrazione e generalizzazione rispetto alla realtà empirica, le quali sono derivate da
• Si regolarità
progetta empiriche
quindi il edisegno
dalle
della
quali
ricerca,
possono
pianificando
essere derivate delle
metodo, tecniche
previsioni
e risorse
empiriche.
necessarie. Nella fase empirica si raccolgono i dati, primari o secondari, trasformando i
Inquadramento
[Link] puntuale
astratti in dell’obiettivo
variabili [Link] ricerca e, quindi, formalizzazione del “cosa” si intende
esplorare e dimostrare. L’obiettivo della ricerca deve essere formalizzato in un enunciato
• Infine, i datiquesto
[Esempio: vengono
studioanalizzati, interpretati
vuole dimostrare e i risultati
la dispersione presentati
scolastica, in modocon
coerentemente chiaro e X
la teoria

-
rigoroso.
e contrariamente alla teoria Y, dipende dai fattori Z e W].

->
-
4. Formulazione delle domande/ipotesi di ricerca. L’ipotesi è un’articolazione parziale, provvisoria

=>
e specifica della teoria e rispetto ad essa si pone ad un livello inferiore in termini di generalità. E’

>
una proposizione che implica una relazione tra due o più concetti. I concetti esprimono il
contenuto semantico, quindi il significato, dei segni linguistici e delle immagini mentali (es.
disoccupazione, criminalità). L’ipotesi permette la traduzione delle teorie in termini
23
LA CLASSIFICAZIONE DEI TIPI DI RICERCA
Una ricerca sociale può essere classificata in vari modi.
1. Rispetto agli obiettivi
a. È descrittiva se fornisce informazioni su una data popolazione o su un contesto sociale,
rispondendo a domande sul “cosa” e sul “come” (Esempio // Domanda: Qual è la
distribuzione dell'età e del reddito nella città di Milano? Descrizione: Si raccolgono dati
su età, reddito, stato civile e altre caratteristiche demografiche della popolazione di
Milano. Tipo di Risultato: Statistiche e tabelle che mostrano la percentuale di popolazione
in diverse fasce di età e reddito)
b. È esplicativa se tenta di spiegare i fenomeni sociali attraverso l’individuazione di rapporti
di causa tra specifici fattori e variabili, rispondendo a domande sul “perché” (Esempio //
Domanda: Come influisce il reddito sulla qualità della salute nei vari gruppi di età?
Descrizione: Si analizzano i dati per determinare se e come un aumento del reddito è
associato a un miglioramento della qualità della salute. Tipo di Risultato: Identificazione
di un legame causale tra reddito e salute, con la possibilità di spiegare come e perché
questi due fattori siano correlati)
2. Rispetto agli approcci
a. È deduttivo quell’approccio che “de-duce”- e cioè “viene da” - che procede dal generale
al particolare. Specificamente, si intende per deduzione ogni ragionamento che, date certe
premesse e precise regole, che ne garantiscono la correttezza, giunge ad una conclusione.
È deduttiva, ad esempio, l’operazione matematica di risoluzione di un’espressione tramite
una serie di passaggi scompositivi (Esempio // Partire dalla premessa che tutti gli uomini
sono mortali e che Socrate è un uomo, e dedurre che Socrate è mortale)
b. È, invece, induttivo quell’approccio che “in-duce”, e cioè “porta dentro”, e che assegna
all’osservazione empirica grande protagonismo. Ciò al fine di giungere da osservazioni
particolari, ad affermazioni di carattere universale. È questo il metodo classico delle
scienze sperimentali per cui, da singoli casi particolari, si arriva ad una legge universale di
spiegazione. L’utilizzo combinato dei due approcci - deduttivo e induttivo - e, quindi, di
“sensate esperienze” e “dimostrazioni necessarie”, come suggerisce Galilei, garantisce la
completezza dell’analisi. (Esempio // Osservare che il sole sorge ogni mattina e dedurre
che il sole sorge sempre ogni mattina)
1. Rispetto ai dati utilizzati e alle informazioni prodotte
a. Una ricerca può essere classificata anche come quantitativa se fa riferimento a tanti dati.
L’estensione di questi, e la relativa estrazione campionaria, garantirà che il fenomeno
indagato si confà alle specificità dell’intero universo di riferimento. (Esempio // Sondaggio
Nazionale sul Benessere Economico. Descrizione: Viene somministrato un questionario a
un ampio campione rappresentativo della popolazione nazionale per raccogliere dati sul
reddito, l'occupazione, e la soddisfazione economica. Obiettivo: Quantificare il livello di
benessere economico della popolazione e analizzare la distribuzione dei redditi in diverse
aree geografiche. Metodo: Analisi statistica dei dati raccolti per identificare tendenze e
differenze significative tra gruppi)
b. È qualitativa se fa uso di pochi dati. Questi sono emblematici di per sé per la
rappresentatività che essi esprimono in quanto parte del fenomeno più in generale. Infine, è
26
mista se combina le potenzialità dei metodi qualitativi e quantitativi. Questi sono utilizzati,
ad esempio, per effettuare l’analisi semantica quantitativa di stralci di testi estrapolati da
interviste e/o questionari o da altre fonti (es. documenti, bilanci societari, …). Il fine è
verificare la ricorrenza di taluni termini e analizzare i significati degli stessi in precisi
contesti (Esempio // Interviste Approfondite su Esperienze di Discriminazione,
Descrizione: Conduzione di interviste approfondite con un piccolo gruppo di persone per
esplorare le loro esperienze di discriminazione. Obiettivo: Comprendere le percezioni
individuali e le esperienze personali relative alla discriminazione. Metodo: Analisi
tematica dei contenuti delle interviste per identificare temi e modelli emergenti)

27
·

DESCRITTIVA
-

TriJESPLICATIVA
RICERCA-SOBBIELL -

#APPROCCIO-SINDUTTIVA -

DATI QUANTITATIV DEDUTTIVA

- -

YQUALITATIVA
-

↓
mSTA
-

Criterio di Tipologia Descrizione Esempio

classificazione

Rispetto agli Descrittiva Offre informazioni su una Qual è la distribuzione dell'età e del
obiettivi popolazione o su un contesto sociale reddito nella città di Milano?
e risponde a domande sul “cosa” e Raccolta di dati su età, reddito, stato
sul “come”. civile, ecc.
Statistiche e tabelle che mostrano le
percentuali di popolazione per fasce
di età e reddito.

Esplicativa Cerca di spiegare i fenomeni sociali Come influisce il reddito sulla salute
individuando rapporti di nei vari gruppi di età?
causa-effetto tra fattori e variabili, Analisi dei dati per determinare la
rispondendo a domande sul relazione tra reddito e salute.
“perché”. Identificazione di un legame causale
tra reddito e salute.

Rispetto agli Deduttivo Procede dal generale al particolare, Tutti gli uomini sono mortali, Socrate
approcci partendo da premesse per giungere a è un uomo, quindi Socrate è mortale.
conclusioni logiche.

Induttivo Parte da osservazioni particolari per Il sole è sorto ogni mattina osservata,
giungere a conclusioni generali. quindi si può dedurre che il sole
sorge sempre ogni mattina.

Misto Combina l’approccio deduttivo e Unisce "sensate esperienze" e

induttivo per garantire completezza "dimostrazioni necessarie", come
nell’analisi. suggerito da Galileo Galilei.

Rispetto ai dati Quantitativa Usa un gran numero di dati per Sondaggio Nazionale sul Benessere
utilizzati rappresentare l’intero universo di Economico tramite raccolta di dati su
riferimento, spesso analizzati reddito e occupazione per analizzare
statisticamente. le tendenze economiche della
popolazione.

Qualitativa Usa pochi dati, rappresentativi del Interviste approfondite su esperienze

fenomeno studiato, spesso esplorati di discriminazione per analizzare
in profondità. percezioni e vissuti personali.

Mista Combina metodi quantitativi e Analisi semantica quantitativa di

qualitativi per analisi più complete e interviste per identificare ricorrenze
dettagliate. di termini e loro significati.

28
 Ricerca Quantitativa Ricerca Qualitativa

Logica dell’indagine Parte dalle teorie generali e arriva a Inizia dalle osservazioni dettagliate
conclusioni specifiche e sviluppa teorie ampie

Uso della lettura scientifica Essenziale per formulare e testare Utile come supporto, ma non
teorie e ipotesi centrale

Approccio all'ambiente Modifica l'ambiente per misurare Osserva l'ambiente senza alterarlo
gli effetti

Interazione con l'oggetto Mantiene una distanza neutrale e Adotta un approccio empatico e
oggettiva coinvolto

Disegno della ricerca Strutturata e rigida Flessibile e adattabile durante il

processo

Rappresentatività I dati rappresentano un campione Si concentra su casi singoli, non

ampio e generalizzabile rappresentativi dell'intera
popolazione

Strumenti per la ricerca Utilizza strumenti uniformi e Utilizza strumenti variabili e non
standardizzati standardizzati

Oggetto d'analisi Analizza variabili specifiche Si focalizza su esperienze e

caratteristiche individuali

Obiettivo d'analisi Mira a spiegare fenomeni Cerca di comprendere significati e

prospettive

Uso di tecniche statistiche Usa tecniche statistiche in modo Le tecniche statistiche sono poco
intensivo usate o non presenti

Presentazione dei dati Mostra i dati attraverso tabelle e Presenta i dati tramite estratti di
grafici interviste e testi narrativi

Risultati Fornisce leggi e spiegazioni basate Offre classificazioni e tipi ideali,

su modelli causali generali evidenziando variabilità e
caratteristiche specifiche

29
·

LA RICERCA SOCIALE CON METODI TRADIZIONALI E

RACCOLTI TRAMITE

DIGITALI QUESTIONARIE
-

INTERVISI E
RACCO GliE
DATI GENERA
DIRETTAMENTE DAGLIVIENTI
R
I
Una ricerca sociale può essere condotta con metodi tradizionali o con metodi digitali. In entrambi i casi
ci si deve preoccupare di raccogliere e analizzare dati che riguardano pareri, opinioni, desideri,
comportamenti degli attori sociali. Ciò al fine di indagare i fenomeni sociali e prevedere ulteriori sviluppi.
La ricerca sociale tradizionale e quella di tipo digitale divergono rispetto alla raccolta delle informazioni.
La ricerca tradizionale si basa sui dati auto-riportati, che vengono forniti direttamente dai rispondenti
tramite interviste o questionari offline. La ricerca digitale raccoglie direttamente i dati comportamentali
degli utenti, profilando gli stessi e senza che questi necessariamente compilino interviste o questionari.

I DATI DIGITALI -
Co NTENUTI GENERATI DAGLi VIENTI (LIKE POST)
,

& Liz
Transazioni
INTERAZIONI ONLINE
o Dal Media DIGITALI (CODICE IP)
-
PER ANALIZ

LA RICERCA SI AVVALE DI BIGDAI

-A > dati Generati da Diverse Fori - Sensori E
-
> Digitali
Dispositivi
↓
I dati digitali sono oggetti codificati, archiviati e veicolati dai media digitali, e sono creati sia dalle PDICHE
interazioni umane (es. i like, gli update di status sui social network) che automaticamente dai media stessi RIFLETTIONO
DINAMICHE

(es. il codice ip). Tali dati sono definibili user-generated content (contenuto generato dall’utente) hanno
SOCIALI

natura socio-materiale perché sono creati dalla stessa interazione umana ed hanno una potenziale natura
permanente. Possono raggiungere un pubblico vasto e non sono quello della cerchia ristretta di amici e
familiari. Essi hanno un impatto (e-waste) e implicano anche problemi di sorveglianza e di privacy (es.
monitoraggio biometrico, …).
La ricerca sociale digitale si serve spesso di big-data (o mega-dati) che sono una grande raccolta di dati
informatici. Questi hanno tre caratteristiche: il volume (sono numerosi), la velocità (si generano
rapidamente), l’eterogeneità (sono diversi).
La nuova teoria sociologica digitale afferma che i big-data non sono di per sé oggettivi, esaurienti e
neutrali (carattere non-neutrale). Essi, invece, sono dispositivi socio-tecnici e sono quindi il risultato di
processi politici, sociali e culturali. I big-data sono, infatti, co-prodotti dai programmatori che sviluppano
gli applicativi software, dagli utenti che usano tali applicativi (tramite serie di azioni e reazioni) nonché
dai ricercatori che estraggono i dati, li classificano e li analizzano.

Esempi
Alcuni repository di big-data sono; [Link] (un tool di Google che analizza la
popolarità delle principali ricerche effettuate su Google stesso); [Link] (un
motore di ricerca di Google che indica la presenza di una specifica keyword nei libri scritti in un certo
periodo) e [Link] (che analizza il mercato di Airbnb concentrandosi particolarmente
sugli affitti illegali e sulla gentrificazione causata dai proprietari che hanno acquistato immobili per
affittarli su Airbnb).
Un esempio di analizzatore di testo e di social network, basato su bigdata ed in grado di riassumere
automaticamente i dati testuali e scoprire le reti di comunicazione dai post dei social media accessibili
pubblicamente, è [Link]

30
LA RILEVAZIONE DEI DATI - TECNICHE
QUANTITATIVE
IL CENSIMENTO
L'analisi condotta su un'intera popolazione si chiama censimento. A differenza del campionamento, il
censimento implica la raccolta di dati da ogni singolo individuo o unità della popolazione target, senza
dover ricorrere a un campione rappresentativo.
Il censimento ha queste caratteristiche:
1. Completezza: Si raccolgono informazioni da tutti gli elementi della popolazione, garantendo che
non vi sia alcuna inferenza statistica necessaria e quindi senza processi mediante cui si traggono
conclusioni o generalizzazioni su una popolazione più ampia a partire dai dati raccolti su un
campione.
2. Costi e tempo: Il censimento richiede risorse e tempi considerevoli, poiché richiede di
raggiungere ogni membro della popolazione.
Un esempio comune è il censimento demografico nazionale, che raccoglie dati su tutta la popolazione di
un paese, o il censimento agricolo che include tutte le aziende agricole di una regione.
Pur garantendo un'analisi accurata, il censimento è spesso difficile da realizzare su larga scala, motivo per
cui si preferisce l’inchiesta campionaria in molte situazioni di ricerca.

L’INCHIESTA CAMPIONARIA
Per inchiesta campionaria, detta anche survey, intendiamo un modo di
rilevare informazioni, mediante una procedura standardizzata, allo scopo
di studiare le relazioni esistenti tra le variabili, interrogando gli individui
oggetto della ricerca che appartengono ad un campione rappresentativo
della popolazione/universo di riferimento.
L’inchiesta campionaria non si limita ad esplorare e descrivere, ma
intende controllare empiricamente delle ipotesi, vuole interrogarsi sulle
origini e sulle interrelazioni di un dato fenomeno con altri fenomeni
sociali.
Più precisamente, il campionamento è un procedimento attraverso il
quale si estrae, da un insieme di unità (popolazione o universo)
costituenti l'oggetto/soggetto dello studio, un numero ridotto di casi (campione). I casi sono scelti con
criteri tali da consentire, tramite lo studio del campione, la generalizzazione dell'intera popolazione.
Il campionamento ha le seguenti proprietà:
1. fornisce senza distorsioni un’immagine puntuale della popolazione generale a cui si riferisce
(rappresentatività);
2. misura la probabilità che i dati siano validi per l’universo entro termini statisticamente
determinabili (sufficienza);
3. presenta nel campione quelle caratteristiche e quelle qualità che sono collegate alla variabilità dei
fenomeni indagati (eterogeneità).
Le fasi del disegno di campionamento sono:

31
 1. definizione della struttura del campione, tramite la conoscenza puntuale della lista delle unità che
compongono l’universo;
2. verifica della probabilità di inclusione delle singole unità, tramite il calcolo del margine d’errore e
del livello di confidenza;
3. determinazione della dimensione del campione;
4. selezione dell’unità campionarie.
Le tecniche di campionamento sono:
1. probabilistiche, se ogni unità ha probabilità, nota (diversa da 0) o calcolabile, di entrare a far parte
del campione; OGNI PERSONA LA STESSA POSSIBILITÀ DI
HA ESSERE SCELTE

2. non probabilistiche, se ogni unità non ha probabilità, nota (diversa da 0) o calcolabile, di entrare a
GLI INDIVIDUIVENGONO SCELI
SENZA PROBABILITÀ
far parte del campione. , MA CON
CRITERI SPECIFICI

Caratteristica Censimento Campionamento

Definizione Raccolta di dati da ogni singolo Raccolta di dati da un sottoinsieme

individuo o unità della popolazione. (campione) della popolazione.

Popolazione coinvolta Intera popolazione. Solo un campione rappresentativo della

popolazione.

Completezza dei dati Completo, include ogni elemento della Parziale, include solo una parte
popolazione. selezionata della popolazione.

Costo Generalmente elevato a causa Generalmente più basso poiché

dell'ampia scala. coinvolge meno persone o unità.

Tempo necessario Maggiore, richiede più tempo per Minore, poiché i dati vengono raccolti
raccogliere e analizzare tutti i dati. solo da un campione.

Generalizzazione Non necessaria, poiché i dati Necessaria, i risultati ottenuti dal

riguardano tutta la popolazione. campione vengono estesi all'intera
popolazione.

Errore di campionamento Assente, poiché vengono studiati tutti Presente, poiché si studia solo una
gli elementi. parte della popolazione.

Esempi Censimento demografico nazionale. Sondaggi di opinione, studi di mercato,

indagini su campioni.

Applicabilità Utilizzato quando si vuole una visione Utilizzato quando studiare l'intera
completa e accurata della popolazione. popolazione non è pratico o possibile.

Frequenza Eseguito raramente, data la complessità Eseguito frequentemente per vari tipi di
e i costi. ricerche e indagini.

32
I
·
LA DIMENSIONE CAMPIONARIA
La dimensione di un campione si calcola tenendo conto dell’ampiezza della popolazione e del
margine di errore. Quest’ultimo esprime la probabilità che i risultati riflettono il punto di vista della
popolazione complessiva e quindi indica la quantità di incertezza in un risultato ottenuto da un campione
rispetto alla popolazione totale.
Supponiamo di avere un sondaggio elettorale che riporta il seguente risultato: il candidato A ha il 45% di
sostegno degli elettori. Il margine di errore del sondaggio è di ±4% e significa che possiamo aspettarci,
con un certo livello di confidenza (di solito il 95%), che il risultato effettivo si trovi in un intervallo
compreso tra 41% e 49%. Il livello di confidenza, più precisamente, è la probabilità (di solito espressa in
percentuale) con cui ci si aspetta che il risultato di un campione rappresenti accuratamente l’intera
popolazione e indica quanta fiducia possiamo avere nel fatto che l’intervallo di stima ottenuto da un
campione contenga il vero valore della popolazione. Più alto è il livello di confidenza, più ampia sarà
l'area di stima, perché chiediamo maggiore precisione. Più basso è il livello di confidenza, più stretto sarà
l’intervallo, ma aumenta il rischio che l'intervallo non contenga il vero valore.
In altre parole ciò significa che se il sondaggio venisse ripetuto molte volte, circa il 95% dei risultati
dovrebbe collocarsi tra il 41% (45% - 4%) e il 49% (45% + 4%). Un margine di errore più ampio, come
±4%, indica una maggiore incertezza sui risultati, e questo significa che il supporto reale per il candidato
A potrebbe essere inferiore o superiore al 45% riportato dal sondaggio. Il margine d'errore ci informa
dunque su quanto possiamo fidarci del dato del sondaggio. In confronto, se il margine di errore fosse ±2%
anziché ±4%, potremmo essere più sicuri del risultato, perché il sostegno del candidato A sarebbe
compreso in un intervallo più stretto (dal 43% al 47%).
La formula più elementare da usare per calcolare la dimensione campionaria è quella di Slovin, che però
è sconsigliata laddove la popolazione di riferimento sia molto numerosa.

n = N / (1 + N * e2)
+ N =
(2)

Dove “N” = dimensione della popolazione; “e” = margine di errore (di solito 4%)

Esempio

Per calcolare la numerosità del campione di una popolazione di 300 soggetti con il 4% di margine
d'errore a partire dalla formula n = N / (1 + N * e2) si procede come di seguito:

300 / (1+300 * 0,042) → 300/ (1+300 * 0,0016) → 300 / 1 (1+0,4816) → 300 / 1,4816 = 202,48

Quando la popolazione è, invece, più ampia si ricorre alla seguente formula:

n = z2 * Npq/ e2 (N-1)+z2 pq E2 Np.

Dove: -(n 1) + z p
-

“N” è la dimensione della popolazione;

33
·

“z” è un parametro riferito al livello di confidenza “e” riferito all’errore ritenuto accettabile (in genere è
1.96 per il 95% e 2.58 per il 99%); Questo significa che, ad esempio, con un z-score di 1,96 possiamo
affermare con il 95% di certezza che i risultati si trovano entro l'intervallo stabilito.
“e” è il livello di confidenza che indica la probabilità con cui si può affermare che la popolazione scelga
una risposta entro un intervallo specifico. Ad esempio, un livello di confidenza del 95% implica che si ha
una certezza del 95% che i risultati si situano tra i valori “x” e “y” e che dunque siamo disposti a tollerare
STATI DISCRETI

una differenza di ±5% rispetto ai valori reali. 90x ORDINABILI

NON

↓ ↑
“pq” è il prodotto tra le quote percentuali del campione, se le variabili sono nominali; o il quadrato della
deviazione standard, cioè la radice quadrata dello scarto dei singoli valori dalla media (varianza), se le
variabili sono cardinali.

Esempio

a partire dalla formula n = z2 * Npq/ e2 (N-1)+z2 pq

Per calcolare la numerosità del campione di una popolazione di 3000 soggetti (48% donne e 52%
uomini) con livello di confidenza 95% e margine d'errore al 4% si procede come di seguito:

n = 1,962 * 0,52 * 0,48 * 3000 / 0,042 * (3000-1) + 1,962 * 0,52 * 0,48 →

3,8416 * 0,52 * 0,48 * 3000 / 0,0016 * 2999 + 3,8416 * 0,52 * 0,48 →
2876,59 / 4,79 + 0,95 → 2876,59 / 5,74 = 501,56

Concetto Definizione

Margine di errore e Quantifica l'incertezza del risultato, mostrando fino a quanto i risultati del campione
possono differire dai valori reali della popolazione. Esprime il possibile intervallo di
variazione attorno al dato stimato.

Livello di confidenza Indica la probabilità, di solito in percentuale, che il risultato del campione
rappresenti accuratamente la popolazione intera. Misura quanto possiamo essere
sicuri che l’intervallo calcolato contenga il vero valore della popolazione.

Z-score 22 Lo z-score è un numero che ci dice quanto un valore è distante dalla media, usando
come unità la deviazione standard. Quest'ultima è una misura di quanto i dati sono
sparsi o vicini alla media. Se il punteggio z è 0, il valore è proprio sulla media; se è
positivo, invece, vuol dire che il valore è sopra la media, mentre se è negativo, è
sotto la media.

pa
= prodotto tra le quote in percentuale del Campione (nominali)
QUADRATO DELLA DEVIAZIONE STAND

34
Una tabella che mostra il livello di confidenza con i corrispondenti margini di errore per vari livelli di
confidenza standard (come 90%, 95%, 99%), considerando il valore di z-score associato è la seguente:

Livello di confidenza Z-score Margine di errore (%)

90% 1,645 ±10

95% 1,96 ±5

98% 2,33 ±3

99% 2,58 ±1

IL CAMPIONAMENTO PROBABILISTICO
Un campione si dice probabilistico quando ogni unità è estratta con una probabilità nota e diversa dallo
zero.

IL CAMPIONAMENTO CASUALE SEMPLICE >

-
ESTRARRE NOMI DA UN URNA

Il campionamento casuale semplice è una tecnica fondamentale in statistica e nella ricerca quantitativa.
Esso è utilizzata per estrarre un campione rappresentativo da una popolazione più ampia in modo che
ogni elemento della popolazione abbia la stessa probabilità di essere selezionato e senza, quindi, che
questo venga influenzato da caratteristiche specifiche degli individui. L’obiettivo è garantire che il
campione rispecchi fedelmente la composizione della popolazione di origine, evitando distorsioni. Ciò
perché ogni individuo o unità ha la stessa possibilità di essere scelto, indipendentemente dalla sua
posizione, status o caratteristiche. Se una popolazione ha 1.000 elementi, ad esempio, e si prevede di
selezionare un campione di 100 ogni elemento ha 1 possibilità su 1.000 di essere incluso nel campione.
Tale tecnica di campionamento, purtroppo, non sempre è praticabile e specialmente in popolazioni molto
grandi, poiché richiede l’accesso a tutte le unità della popolazione.

35
Esempio

Popolazione: Supponiamo di avere una lista di 10 studenti in una classe:

Studente A, Studente B, Studente C, Studente D, Studente E, Studente F, Studente G, Studente H,

Studente I, Studente J

Obiettivo: Vogliamo selezionare un campione di 4 studenti in modo casuale.

Passaggi:

1. Assegnare un Numero a Ogni Studente:

○ Studente A - 1
○ Studente B - 2
○ Studente C - 3
○ Studente D - 4
○ Studente E - 5
○ Studente F - 6
○ Studente G - 7
○ Studente H - 8
○ Studente I - 9
○ Studente J - 10

2. Estrazione di nomi: Scrivere i nomi su dei foglietti e mescolarli, quindi estrarre 4 foglietti.

Supponiamo di aver estratto i seguenti numeri: 2, 5, 7, 9. Il campione finale sarà composto da: Studente
B (2); Studente E (5); Studente G (7); Studente I (9). Quello che si è ottenuto è un campione casuale di
4 studenti (B, E, G e I) dalla popolazione di 10 studenti.

36
IL CAMPIONAMENTO SISTEMATICO

Il campionamento sistematico è una tecnica di campionamento in cui gli

elementi vengono selezionati a intervalli regolari da una lista ordinata di
una popolazione. Questo metodo è particolarmente utile quando si ha
accesso a un elenco di elementi e si desidera ottenere un campione
rappresentativo senza il bisogno di un processo completamente casuale.

Esempio

Selezionare un campione di 5 studenti da questa popolazione di 20 studenti di una classe: Studente A,

Studente B, Studente C, Studente D, Studente E, Studente F, Studente G, Studente H, Studente I,
Studente J, Studente K, Studente L, Studente M, Studente N, Studente O, Studente P, Studente Q,
Studente R, Studente S, Studente T.

Passaggi:
● Determinare il Campione e la Dimensione della Popolazione:
○ Popolazione totale = 20 studenti
○ Dimensione del campione desiderato = 5 studenti
● Calcolare l'intervallo di Campionamento (k) che è il numero di unità o elementi che separa due
osservazioni consecutive in un processo di campionamento sistematico: k=Dimensione della
popolazione/Dimensione del campione desiderato= 20/5 = 4. Si seleziona uno studente ogni 4.
● Scegliere un punto di partenza casuale: Supponiamo di scegliere un numero casuale tra 1 e 4.
Immaginiamo di aver scelto 2 come punto di partenza. COME CALCOLO IL INTERVALLO
MIO

● Selezionare il campione: k =2
= 4- > Interval

○ Si inizia dal secondo studente e poi se ne selezione 1 ogni 4.

○ Studenti selezionati:
■ 2° Studente: B
■ 6° Studente: F
■ 10° Studente: J
■ 14° Studente: N
■ 18° Studente: R
● Campione finale:
○ Il campione finale sarà composto da:
■ Studente B
■ Studente F
■ Studente J
■ Studente N
■ Studente R
Si è utilizzato il campionamento sistematico per ottenere un campione di 5 studenti dalla popolazione
di 20. Questa tecnica consente di selezionare il campione in modo efficiente, utilizzando un intervallo
regolare. Si è garantito che gli studenti siano distribuiti in modo uniforme all'interno della lista.

37
·

IL CAMPIONAMENTO A STRATI

Il campionamento stratificato è una tecnica di campionamento che prevede la suddivisione della

popolazione in strati o gruppi omogenei da cui vengono poi estratti campioni. Questa metodologia è
particolarmente efficace per garantire che sottogruppi specifici all'interno di una popolazione siano
rappresentati.

Esempio

Condurre un’indagine sulla soddisfazione dei dipendenti all’interno di un’azienda di grandi dimensioni
che ha diverse divisioni. L'obiettivo è garantire che il campione rappresenti adeguatamente le opinioni
di ciascuna divisione.

Passaggi:

1. Definire la popolazione: m
○ Popolazione: Tutti i dipendenti dell'azienda. MAGAZZINIERI
AD DERMOCOSMESI
2. Identificare i sottogruppi (Strati):
.

100 DIPENDENTI
3
○ L'azienda è composta da tre divisioni principali:
.

4 FARMACIST11 -
> 500

■ Divisione Vendite MAGAZZINIERI 250 -

■ Divisione Marketing AD DERMOCOSMESI

PROPORZIONE
.
250 -

■ Divisione Ricerca e Sviluppo (R&S)

·

FARMACISTI % 50 50 - DIPENDENTI

3. Determinare la dimensione totale del campione: 120 dipendenti. MAGAZZINIERI 25 % - 25 DIPENDENTI

AD % DERMOCOSMESI 25 - 25 DIPENDENTI
4. Calcolare la dimensione del campione per ogni divisione:
.

■ Vendite: 600 dipendenti

■ Marketing: 300 dipendenti
■ R&S: 100 dipendenti
○ Calcolare la proporzione di dipendenti in ciascuna divisione rispetto al totale (1.000
dipendenti):
■ Vendite: 600/1000 = 60%
■ Marketing: 300/1000 = 30%
■ R&S: 100/1000 = 10%
○ Ora, si può calcolare quanti dipendenti selezionare da ciascuna divisione per raggiungere

38
 il totale di 120 dipendenti:
■ Vendite: 60% di 120 = 72 dipendenti
■ Marketing: 30% di 120 = 36 dipendenti
■ R&S: 10% di 120 = 12 dipendenti
5. Selezionare i partecipanti:
○ All'interno di ciascuna divisione, utilizzare un metodo di campionamento casuale
semplice per selezionare i dipendenti.
○ Ad esempio, si può utilizzare un elenco di tutti i dipendenti in ciascuna divisione e
selezionare casualmente:
■ Vendite: 72 dipendenti
■ Marketing: 36 dipendenti
■ R&S: 12 dipendenti
Il campione finale consisterà in 120 dipendenti selezionati in modo casuale da ciascuna divisione,
rispettando le proporzioni della popolazione totale.

IL CAMPIONAMENTO A STADI

Il campionamento a stadi è una tecnica di campionamento in cui la

popolazione viene suddivisa in gruppi, o stadi da cui si selezionano
campioni da ciascun gruppo.
Il campionamento a stadi è utile quando la popolazione è molto grande e
non si può ottenere un elenco completo di tutti gli elementi.

Esempio

Condurre un’indagine sulla soddisfazione degli studenti in un’università con diversi campus e facoltà
con una popolazione totale molto grande e variegata.

Passaggi:
● Definire la popolazione e i gruppi (stadi):
○ Popolazione: tutti gli studenti dell'università
○ Gruppi: La popolazione degli studenti nei diversi campus.
● Selezionare i gruppi: Campus A; Campus B; Campus C
● Selezionare un campione di studenti da ogni gruppo (campus) e quindi per facoltà (es: Scienze,
Ingegneria, Lettere).
● Selezionare un campione di studenti per gruppo:
○ Fase 1: Selezionare 2 campus con un campionamento casuale da un totale di 3 (es:
Campus A e Campus B).
○ Fase 2: Selezionare gli studenti all'interno dei campus selezionati.
■ 30 studenti estratti casualmente dal Campus A da ciascuna delle 3 facoltà (3*30=
90 studenti in totale).
■ 30 studenti estratti casualmente dal Campus B da ciascuna delle 3 facoltà
(3*30=90 studenti in totale).
● Il campione finale consisterà di 180 studenti (90 studenti dal Campus A; 90 studenti dal
39
 Campus B)

IL CAMPIONAMENTO A GRAPPOLI

Il campionamento a grappoli è un metodo usato nelle ricerche per selezionare un campione

rappresentativo senza dover coinvolgere tutta la popolazione, specialmente quando è difficile o costoso
raccogliere i dati su tutti gli elementi.
La popolazione viene suddivisa in gruppi detti grappoli. Ogni grappolo dovrebbe contenere una varietà
di elementi che assomigliano alla popolazione nel suo complesso. I grappoli, pertanto, dovrebbero
rappresentare la popolazione in maniera equilibrata, ma, ovviamente, possono variare al loro interno. Si
scelgono quindi casualmente alcuni di questi grappoli, anziché lavorare su tutti. A questo punto, si
raccolgono i dati da tutti gli elementi di ciascun grappolo selezionato o solo da alcuni elementi di
ciascun grappolo. Se stiamo studiando una comunità di persone, ad esempio, possiamo dividerla per
gruppi (grappoli), poi selezionare casualmente alcuni gruppi e intervistare tutti quelli appartenenti a
quel gruppo.

40
Esempio
Condurre un'indagine sulla qualità dell'insegnamento in diverse scuole di una città. Ci sono molte
scuole e non è pratico raccogliere dati da ogni singolo studente in tutte le scuole. Utilizziamo quindi
il campionamento a grappoli.

Passaggi:

● Definire la Popolazione:
○ Popolazione: Tutti gli studenti delle scuole della città
● Identificare i Grappoli:
○ In questo caso, le scuole rappresentano i grappoli. Supponiamo di avere 10 scuole
nella città:
■ Scuola A
■ Scuola B
■ Scuola C
■ Scuola D
■ Scuola E
■ Scuola F
■ Scuola G
■ Scuola H
■ Scuola I
■ Scuola J
● Selezionare i Grappoli:
○ Utilizzando un metodo di campionamento casuale selezioniamo 3 scuole da un totale
di 10. Supponiamo di selezionare:
■ Scuola B
■ Scuola E
■ Scuola H
● Selezionare gli studenti dai grappoli selezionati:
○ Una volta selezionate le scuole, possiamo decidere se raccogliere dati da tutti gli
studenti di queste scuole o solo da un campione di studenti.
○ Supponiamo di voler raccogliere dati da tutti gli studenti delle scuole selezionate. Se
ogni scuola ha 30 studenti, il campione sarà:
■ Scuola B: 30 studenti
■ Scuola E: 30 studenti
■ Scuola H: 30 studenti
● Campione finale: Il campione finale consisterà di:
● 30 studenti dalla Scuola B
● 30 studenti dalla Scuola E
● 30 studenti dalla Scuola H
○ Totale: 90 studenti

41
IL CAMPIONAMENTO NON PROBABILISTICO
Un campionamento è considerato non probabilistico quando la probabilità di inclusione di ciascun caso
nel campione non è conosciuta né calcolabile. In questo tipo di campionamento, la selezione degli
individui avviene secondo criteri non casuali, il che implica che non tutti gli elementi della popolazione
hanno la stessa possibilità di essere scelti.

IL CAMPIONAMENTO A SCELTA RAGIONATA

Il campionamento a scelta ragionata, noto anche come campionamento purposive o selettivo, è una
tecnica di campionamento non probabilistico in cui i partecipanti vengono selezionati deliberatamente in
base a criteri specifici e predefiniti.

Esempio

Condurre uno studio sulla percezione della sostenibilità ambientale tra i dirigenti delle aziende del
settore energetico.

Passaggi:
1. Definire la Popolazione:
○ Popolazione: dirigenti delle aziende che operano nel settore energetico.
2. Stabilire i criteri di selezione:
○ I ricercatori decidono di includere solo dirigenti che:
■ Hanno esperienza di almeno 5 anni nel settore.
■ Hanno ricoperto posizioni decisionali relative alla sostenibilità.
■ Operano in aziende che sono riconosciute per le loro pratiche sostenibili.
3. Selezionare i Partecipanti:
○ Si identificano 15 dirigenti ad hoc che soddisfano i criteri.
○ I dirigenti vengono contattati direttamente per chiedere la loro partecipazione
all'indagine.
4. Raccolta dati:
○ Si somministrano questionari o si effettuano interviste approfondite ai 15 dirigenti
individuati per raccogliere dati sulle loro percezioni e pratiche riguardanti la
sostenibilità.

IL CAMPIONAMENTO BILANCIATO

Il campionamento bilanciato è una tecnica utilizzata per garantire che diversi sottogruppi o categorie di
una popolazione siano equamente rappresentati nel campione. Di solito, si cerca di fare in modo che la
media del campione per determinate variabili sia vicina alla media della popolazione.

Esempio

Condurre un'indagine sulla soddisfazione dei clienti di un’azienda di prodotti tecnologici con clientela
di età anagrafica diversa.

Passaggi:

42
 ● Definire la Popolazione:
○ Popolazione: tutti i clienti dell’azienda.
● Identificare i sottogruppi:
■ Giovani (18-25 anni)
■ Adulti (26-40 anni)
■ Anziani (41 anni e oltre)
● Determinare la dimensione totale del campione:
○ Si campiona un totale di 90 clienti.
● Distribuire il campione tra i sottogruppi:
○ Si seleziona un numero uguale di clienti da ciascun sottogruppo (90 clienti/3 gruppi
demografici = 30 clienti per ciascun gruppo.
● Selezionare i clienti:
○ Si selezionano 30 clienti da ciascun gruppo con un metodo di campionamento casuale
semplice.
■ Giovani: 30 clienti dal gruppo di età 18-25 anni.
■ Adulti: 30 clienti dal gruppo di età 26-40 anni.
■ Anziani: 30 clienti dal gruppo di età 41 anni e oltre.

Il campione finale sarà composto da:

● 30 clienti giovani (18-25 anni)
● 30 clienti adulti (26-40 anni)
● 30 clienti anziani (41 anni e oltre)

IL CAMPIONAMENTO A VALANGA

Il campionamento a valanga, noto anche come campionamento "snowball" è una tecnica di

campionamento non probabilistico utilizzata principalmente in situazioni in cui la popolazione di
interesse è difficile da identificare o accedere. Questo metodo è particolarmente utile quando si studiano
gruppi marginalizzati, rari o che non hanno una lista di accesso ben definita. Nel campionamento a
valanga, i partecipanti iniziali (o "seme") aiutano a identificare ulteriori partecipanti per il campione.

43
 Esempio

Condurre un'indagine sulla salute mentale tra i membri di una comunità di artisti che potrebbe non
essere facilmente accessibile tramite metodi di campionamento tradizionali.
Passaggi:
1. Definire la popolazione: membri di una comunità artistica in una città.
2. Identificare i partecipanti iniziali: si contattano 5 artisti particolarmente conosciuti nella
comunità
3. Raccogliere informazioni dai partecipanti iniziali:
○ Si chiede a ciascun artista di completare un questionario e, alla fine, di fornire nomi di
altri artisti che potrebbero essere disposti a partecipare all'indagine.
4. Espandere il campione:
○ Gli artisti iniziali forniscono nomi di altri artisti che vengono contattati per partecipare
all’indagine e per fornire altri nomi.
5. Ripetere il processo:
○ Questo processo continua fino a quando non si raggiunge una dimensione di campione
soddisfacente e quindi nuove referenze.

IL CAMPIONAMENTO DI CONVENIENZA

Il campionamento di convenienza è una tecnica di campionamento non probabilistico in cui si

selezionano i partecipanti in base alla loro disponibilità e accessibilità, piuttosto che utilizzare un metodo
di selezione casuale. Questa modalità è spesso utilizzata quando ci sono limitazioni di tempo, costo o
risorse e quindi quando l'accesso a un campione rappresentativo dell'intera popolazione è difficile se non
impossibile.

Esempio

Condurre un'indagine sulla soddisfazione dei clienti in un negozio di elettronica.

Passaggi:
1. Definire la Popolazione:
○ Popolazione: Tutti i clienti che acquistano prodotti nel negozio di elettronica.
2. Selezionare i partecipanti:
○ Si decide di condurre interviste con i clienti che si trovano nel negozio in un dato giorno.
○ Gli intervistatori potrebbero avvicinarsi ai clienti mentre escono dal negozio o mentre
aspettano di pagare alla cassa.
3. Raccolta dati:
○ Vengono intervistati solo i clienti che si trovano nel negozio in quel momento e che
accettano di partecipare all’indagine.
Il campione finale potrebbe consistere in 30 clienti che hanno accettato di partecipare, selezionati
semplicemente perché erano presenti nel negozio in quel giorno.

44
·
Macrocategoria Tipo di Campionamento Descrizione Esempi

ESTRAZIONE URNA
Campionamento Campionamento casuale Ogni unità della Selezionare a sorte 100
probabilistico semplice popolazione ha la stessa clienti da una lista
probabilità di essere completa di iscritti a una
inclusa nel campione. newsletter di un marchio.

Campionamento Le unità sono selezionate Selezionare ogni 10

sistematico scorrendo una lista e clienti 1 cliente che ha
selezionando a intervalli effettuato un acquisto nel
regolari. mese scorso per
un'indagine sulla
soddisfazione.

Campionamento La popolazione è divisa in Dividere i clienti di

stratificato strati omogenei e si un'azienda in base a
estraggono campioni categorie demografiche
casuali da ciascun strato. (età, sesso) e selezionare
casualmente partecipanti
da ciascun gruppo.

Campionamento a stadi La popolazione è Selezionare negozi di una

suddivisa su più livelli catena in diverse città, poi
gerarchici, estratti selezionare clienti da
successivamente. ciascun negozio per una
ricerca sulla percezione
del marchio.

Campionamento a Le unità vengono estratte È importante selezionare

grappoli in gruppi contigui intere famiglie che
(grappoli), piuttosto che risiedono in un
come singoli individui. determinato quartiere e
intervistare tutti i membri
riguardo, ad esempio, alla
loro fedeltà ad uno
specifico marchio.

Campionamento non Campionamento a scelta Le unità campionarie SSi scelgono negozi che
probabilistico ragionata vengono selezionate in offrono un prodotto
base a caratteristiche particolare e si
specifiche e non intervistano i manager per
attraverso un processo raccogliere le loro
casuale. opinioni sul mercato.

Campionamento Selezione delle unità Selezionare un numero

bilanciato affinché la media del uguale di uomini e donne
campione sia vicina alla per un sondaggio sulla
media della popolazione preferenza di prodotto in
per certe variabili. un marchio di bellezza.

45
Campionamento a Le unità sono selezionate Iniziare con un gruppo di
valanga affidandosi ai contatti di clienti fedeli e chiedere
altri partecipanti tramite loro di raccomandare
cui si crea una rete di amici che potrebbero
campionamento. essere interessati a
partecipare a un
sondaggio su nuovi
prodotti.

Campionamento di Le unità sono scelte in Intervistare i clienti che si

convenienza base alla disponibilità e trovano in un centro
all'accessibilità e pertanto commerciale in un giorno
senza criteri sistematici. specifico riguardo alle
loro esperienze di
acquisto.

46
·

ESERCIZI CAMPIONAMENTO

Esercizio 1a FORMULA:
N

(1 Nel

Condurre un'indagine su una popolazione di 5.000 persone (quindi N=5000) e, stabilendo un margine
di errore del 3% (cioè e=0.03), calcolare la dimensione del campione necessaria utilizzando la formula
di Slovin. N =
5000
032 35000 90
1 + 5000
=
Joop
=

3
= 9 , 09
·
0 . 1+ 4,

Esercizio 1b

Effettuare un'indagine su una popolazione di 10.000 persone (quindi 𝑁=10.000) e di voler stimare una
proporzione (ad esempio, la percentuale di persone che usano un determinato servizio) con un livello di
confidenza del 95% e un errore di campionamento del 4% (cioè 𝑒 = 0.04).

Esercizio 2a

Un’azienda di abbigliamento online vuole migliorare l’esperienza d’acquisto dei suoi clienti e decide
di condurre un’indagine sulla soddisfazione dei clienti. A tal fine, vuole selezionare un campione
rappresentativo per raccogliere dati su vari aspetti dell’esperienza d’acquisto. L’azienda, precisamente,
ha 15.000 clienti attivi, che si suddividono in tre categorie principali:

1. Clienti nuovi - 3.000 persone - che hanno effettuato il primo acquisto negli ultimi 3 mesi.
2. Clienti abituali - 8.000 persone - che acquistano con una certa regolarità.
3. Clienti VIP - 4.000 persone - che hanno un alto volume di acquisti e ricevono vantaggi
esclusivi.
L’azienda vuole che ciascuna di queste categorie di clienti sia rappresentata nel campione in modo
proporzionale alla loro presenza complessiva e, poiché ha limitato budget e tempo, desidera raccogliere
dati solo da 500 clienti. 3
e
Domande:

1. Quale tecnica di campionamento utilizzare per assicurare che tutte le categorie di clienti siano
rappresentate in proporzione alla loro presenza complessiva? A STRATI
2. Calcolare quanti clienti dovrebbero essere selezionati da ciascuna categoria per ottenere un
campione di 500 persone rappresentativo.
3. Spiegare come procedere per selezionare i clienti da ciascuna categoria utilizzando la tecnica di
campionamento scelta.

Esercizio 2b

Un’azienda di marketing vuole comprendere i comportamenti di acquisto dei clienti nei centri
commerciali di una grande catena distribuita in tutto il Paese. Il cui numero di centri varia da regione a
regione. Ogni centro commerciale, a sua volta, ha diversi negozi di abbigliamento, tecnologia,
alimentari come pure di altri tipi di prodotti.
Data la distribuzione geografica e la varietà di negozi all’interno di ciascun centro commerciale, è
essenziale ottenere un campione rappresentativo dei clienti per ciascuna regione. Bisogna anche

47
considerare il tipo di negozio per meglio analizzare le preferenze di acquisto.

Domande:

1. Quale metodo di campionamento scegliere per ottenere un campione rappresentativo che tenga
conto della distribuzione dei centri commerciali e della varietà di negozi? Descrivere i passaggi
di selezione necessari per raggiungere i clienti da intervistare.
2. Se il campione finale deve includere 1.500 clienti, come distribuire questo campione tra le
diverse regioni e i centri commerciali all'interno di ciascuna regione? Si consideri anche la
suddivisione dei clienti in base alle tipologie di negozi.

Esercizio 2c

Una catena di palestre con sedi in tutto il Paese desidera misurare la soddisfazione dei propri clienti
rispetto ai servizi offerti. La catena conta 200 palestre, distribuite in varie città, con un numero di
clienti che varia da sede a sede.

Data la vasta distribuzione geografica e il numero elevato di sedi, la catena decide di raccogliere dati
solo in alcune delle palestre, selezionando un certo numero che rappresenti l’intera rete. In ogni
palestra selezionata, verranno intervistati tutti i clienti disponibili durante il periodo dell’indagine.

Domande:

1. Quale tecnica di campionamento scegliere per ottenere un campione rappresentativo, tenendo

conto della distribuzione capillare delle palestre e delle risorse limitate? Spiegare il motivo della
scelta.
2. Se si decide di selezionare 20 palestre e intervistare tutti i clienti presenti in ciascuna palestra
scelta, quali criteri useresti per scegliere le palestre in modo che siano rappresentative della rete
complessiva?
3. Quali sono i principali vantaggi e svantaggi di questa tecnica per una ricerca sulla soddisfazione
dei clienti rispetto ad altre tecniche, come il campionamento casuale semplice?

48
·

&
STRUTTURATO

/
IL QUESTIONARIO -OTTURATO
SERVE A RILEVARE
INFORMAZIONI

Il questionario è uno strumento di rilevazione di informazioni in maniera standardizzata che viene

sottoposto, tramite diversi canali (faccia a faccia, internet, telefono, …), a quei soggetti che si ritiene
essere particolarmente significativi per indagare il fenomeno in oggetto.
I soggetti possono essere selezionati sulla base di un campionamento e, quindi, tramite l’individuazione di
un sottoinsieme particolare di soggetti che si ritiene siano rappresentativi dell’intera popolazione da
indagare.
Il questionario può essere di tipo strutturato, quando ha domande e risposte chiuse, e semi-strutturato
quando le opzioni di risposta possono essere anche aperte.
I questionari vengono costruiti e somministrati tramite le piattaforme digitali come Google Forms
(Moduli) o Survey Monkey che consentono la raccolta ordinata delle risposte e la relativa preliminare
elaborazione tramite grafici e tabelle esplicative.

Esempio

Esempio di questionario semi strutturato

costruito tramite Google Forms
composto da quattro campi. Due
riguardano l’anagrafica del rispondente
(genere ed età), Una è una domanda a
risposta aperta (cos’è, a tuo parere, la
povertà?); un’altra è una domanda a
risposta chiusa con quattro opzioni (a
tuo parere, attualmente, quali sono le
minacce più gravi?).

49
·

LE SCALE > SERVONO

- A MISURARE GLI ATTEGGIAMENTI NEL QUESTIONA -

R
PREDISPOSIZIONE Ad Agire In Una ETERMINATA MANIERA

Una scala è un insieme coerente di elementi detti anche items che sono considerati indicatori di un
concetto più generale.
L'applicazione più frequente della tecnica delle scale nel campo delle scienze sociali è la misura degli
atteggiamenti nei questionari. L'atteggiamento, specificamente, è una predisposizione ad agire sulla
base di preconcetti verso un determinato oggetto. Dato che è una credenza di fondo, esso non è rilevabile
direttamente, a meno che non si venga sottoposti a stimoli. L’opinione è uno dei modi con cui
l’atteggiamento emerge alla superficie, ne è cioè un'espressione empiricamente rilevabile.

LA SCALA LIKERT10
La Likert è una scala nella quale il punteggio complessivo (relativo ad un atteggiamento) è la somma dei
punteggi dei singoli elementi (quindi delle risposte alle domande) della scala totale. Ad esempio, a
ciascuna domanda riguardante la politica viene offerta una scala che va dal “Completamente d’accordo” a
“Totalmente in disaccordo”. Ad ogni modalità di risposta, dentro la scala con 6 opzioni, viene attribuito
un punteggio (6, 5, 4, 3, 2, 1 oppure 1, 2, 3, 4, 5). La media dei punteggi alle risposte di ciascun individuo
sull’intera batteria può rappresentare la posizione dell’individuo sul concetto indagato.

Esempio

La politica comprende i problemi della gente

Completamente d’accordo [ ] [ ] [ ] [ ] [ ] [ ] Totalmente in disaccordo

La politica serve a migliorare la vita delle persone

Completamente d’accordo [ ] [ ] [ ] [ ] [ ] [ ] Totalmente in disaccordo

La politica non è utile

Completamente d’accordo [ ] [ ] [ ] [ ] [ ] [ ] Totalmente in disaccordo

LE SCALE AUTO-ANCORANTI
Le scale auto-ancoranti sono composte da categorie estreme dotate di significato opposto. All’interno di
un continuum, l’intervistato colloca la sua posizione. L’unità di misura della scala è soggettiva. Il
punteggio che però poi viene dato dal ricercatore è oggettivo.

Esempio
Lei si ritiene un elettore di partiti politici di…
Sinistra [ ] [ ] [ ] [ ] [ ] [ ] [ ] [ ] [ ] [ ] Destra [ ] Non saprei

10
Likert, R. (1932). A technique for the Measurement of Attitudes, Archives in Psychology, 140, 1-55
50
LA SCALA BOGARDUS11
La scala di Bogardus è uno strumento utilizzato per misurare la distanza sociale tra diversi gruppi, come
etnie, classi sociali o generi. Essa consiste in una serie di affermazioni che riflettono atteggiamenti
cumulativi verso una determinata categoria sociale: chi mostra apertura verso un'affermazione riguardante
un gruppo specifico tende a mantenere lo stesso atteggiamento anche per altre affermazioni che indicano
livelli minori di distanza sociale. Questo implica che una persona che esprime accettazione verso un
gruppo in un contesto più intimo sarà probabilmente disposta a fare altrettanto in situazioni meno vicine
nella scala di distanza. Pertanto, la scala di Bogardus è utile per misurare e quantificare le gradazioni di
accettazione e interazione sociale, offrendo un quadro prezioso per analizzare pregiudizi e discriminazioni
all'interno della società.

Esempio

Gruppo etnico Gruppo etnico Gruppo etnico

straniero A straniero B straniero C

Accetterei che vivesse

lontano dalla mia città

Accetterei che vivesse

lontano dal mio
quartiere

La/o accetterei come

conoscente

La/o accetterei come

vicina/o di casa

La/o accetterei come

collega

La/o accetterei come

amica/o

La/o accetterei come

sposa/o

11
Bogardus, E. S. (1925). Measuring Social Distances. Journal of Applied Sociology, 9, 299-308
51
IL DIFFERENZIALE SEMANTICO OSGOOD12
Il differenziale semantico di Osgood è una tecnica innovativa per rilevare i significati, analizzando come
gli intervistati percepiscono e interpretano determinati concetti e si basa sulle associazioni che gli
intervistati creano tra un concetto centrale e una serie di aggettivi o attributi presentati in modo
standardizzato. Questa metodologia consente di esplorare le connotazioni emotive e cognitive legate a un
concetto e utilizza scale bipolari come "buono/cattivo" e "forte/debole" tramite cui gli intervistati
esprimono le loro opinioni su ciascun attributo.

Esempio

Il marchio“X” è
Noioso 1 2 3 4 5 6 Divertente

Svelto 1 2 3 4 5 6 Lento

Sporco 1 2 3 4 5 6 Pulito

Moderno 1 2 3 4 5 6 Antico

12
Osgood, C. E., Suci, G. J., & Tannenbaum, P. H. (1957). The measurement of meaning. Champaign: University of Illinois
Press.
52
LE PROBLEMATICHE GENERALI DELLA RILEVAZIONE
La praticabilità empirica riferita alla rilevazione dei dati tramite intervista o questionario ha una questione
di fondo: il comportamento verbale è una affidabile fonte di esplorazione della realtà sociale? Esistono, in
questo senso, tre problematiche sia in ordine sia alla costruzione delle domande di un questionario che di
un’intervista:
a) DESIDERABILITA' SOCIALE. Sovente le risposte sono distorte e sono date in funzione della
percezione sociale positiva o negativa condivisa circa un certo atteggiamento o comportamento
individuale.
b) MANCANZA DI OPINIONI (NON ATTITUDE). Il soggetto intervistato spesso risponde “a caso” a
domande formulate in forma chiusa. Ciò, ad esempio, perché non ha una precisa opinione su alcuni temi.
c) INTENSITA'. La domanda standardizzata rileva l'opinione ma non la sua intensità ed il suo
radicamento. Il questionario, in tal senso, non è in grado di distinguere le opinioni intense e stabili da
quelle deboli e volubili.

LE AVVERTENZE PER LA FORMULAZIONE DELLE

DOMANDE
Quando si formulano delle domande in un’intervista o si somministra un questionario bisogna seguire
queste avvertenze minime:
SEMPLICITA'. Il linguaggio deve essere adeguato alle caratteristiche del target ed in modo che lo stesso
possa essere autonomo nel fornire le risposte.
SEQUENZA DELLE DOMANDE. La prima parte deve mettere a proprio agio il rispondente e lo deve
introdurre ai fini della ricerca. Nella seconda è possibile scendere più in profondità delle questioni che
riguardano l’argomento della ricerca.
LUNGHEZZA. Le domande devono essere concise onde evitare di sottrarre inutile tempo.
ALTERNATIVITA'. Le alternative di risposte non possono essere troppe onde evitare la dispersione e la
confusione.
NON AMBIGUITA'. E’ necessario evitare termini con significati fraintendibili.
NON CONNOTAZIONE NEGATIVA. Bisogna evitare termini stigmatizzanti che mettano schermi alla
risposta. La domanda “Lei picchia suo figlio?”, ad esempio, può soltanto ricevere risposte negative.
COMPLESSITA' SINTATTICA. Bisogna evitare doppie negazioni che confondono il rispondente. Ad
esempio, la domanda “I politici pensano solo al voto degli elettori e devono interessarsi anche ai bisogni.
Secondo lei fanno bene?” non può che confondere il rispondente. Questi può rispondere positivamente
facendo riferimento alla prima parte della frase o alla seconda.
NON UNIVOCITA' DELLA RISPOSTA. Bisogna evitare domande con possibili risposte multiple Ad
esempio la domanda “I suoi genitori erano religiosi?” si pone al rispondente come problematica poiché
uno dei due suoi genitori poteva essere religioso e l’altro no.
DISTORSIONE SISTEMATICA NELLE RISPOSTE. Bisogna evitare sia l’acquiescenza che
l’uniformità delle risposte. Ciò ricorre quando sono troppe le risposte con “abbastanza d'accordo”.
NON DISCRIMINAZIONE. Bisogna evitare risposte ovvie. Se vi sono domande che ottengono il 90%
di risposte dello stesso tipo, queste sono evidentemente domande inadeguate.
NON TENDENZIOSITA'. Bisogna evitare domande viziate da risposte pilotate. Ad esempio la
domanda “Nel Vangelo è scritto che bisogna aiutare i poveri. Ci sono preti che vivono poveramente. Lei
53
pensa che facciano bene?” è posta malamente. Ciò perché induce a rispondere in maniera ovvia.
PRESUNZIONE DEI COMPORTAMENTI. Non bisogna dare per scontati alcuni comportamenti. Ad
esempio, la domanda, “Lei per chi ha votato?” è posta male perché bisogna prima verificare se il soggetto
è andato a votare.
FOCALIZZAZIONE NEL TEMPO ED EFFETTO MEMORIA. La temporalità facilita il ricordo. E
quest’ultima facilita la risposta. Ad esempio “Pensi alla sua ultima settimana. Quante volte ha fatto la
spesa al supermercato?”
CONCRETEZZA/ASTRAZIONE. Laddove vi siano concetti molto astratti bisogna usare formule
lessicali che aiutano a concretizzarli. Ad esempio, per cogliere il senso della patria la domanda potrebbe
essere “Se scoppiasse la guerra andresti a combattere per l'Italia?”
COMPORTAMENTI ED ATTEGGIAMENTI. E' necessario concentrarsi su comportamenti specifici
piuttosto che restare nell'ambito dell'opinione. In tal senso è meglio chiedere se si fanno donazioni invece
di chiedere se è giusto fare la carità.
DESIDERABILITA’ SOCIALE DELLE RISPOSTE. Bisogna formulare domande in modo da rendere
accettabile anche la risposta meno desiderabile, offrendo per essa una giustificazione. Ad esempio è errata
una formulazione di domanda così posta: “Nel tuo contesto sociale il furto è l’unico modo per
sopravvivere. Sei d’accordo/Non sei d’accordo?”
DOMANDE IMBARAZZANTI. Alcune questioni come il comportamento sessuale, il reddito, i
comportamenti devianti sono estremamente difficili da studiare e toccano il tema della riservatezza.
Domande su questi argomenti è meglio evitarle.
MANCANZA D'OPINIONE. E' necessario informarsi preventivamente se l'intervistato può avere
un'opinione su un dato fenomeno. Ciò al fine di evitare di accumulare non-risposte, di averle distorte o
peggio di rischiare che l'intervistato dichiari (difficilmente) la sua ignoranza sul tema.

54
LA RILEVAZIONE DEI DATI - TECNICHE
QUALITATIVE13

L’INTERVISTA

L’intervista è una conversazione, determinata dall'intervistatore, con soggetti ritenuti significativi. Ha

uno scopo conoscitivo e, tramite questa, l’intervistatore interloquisce con l’intervistato sulla base di uno
schema di ricerca e di specifici strumenti d’interrogazione.

LE TIPOLOGIE DI INTERVISTA
INTERVISTA STRUTTURATA. A tutti gli intervistati sono poste le stesse domande, nella stessa
formulazione e nella stessa sequenza.
INTERVISTA SEMISTRUTTURATA. L'intervistatore dispone di una traccia che riporta gli argomenti
che deve toccare nel corso dell'intervista.
INTERVISTA NON STRUTTURATA. Detta anche “in profondità” o “libera”. Il contenuto e la sequenza
delle domande non sono stabiliti.
INTERVISTA AD OSSERVATORI PRIVILEGIATI. Si intervistano soggetti conoscitori ed esperti
aventi conoscenza approfondita di un determinato fenomeno/gruppo oggetto d'analisi.
INTERVISTA DI GRUPPO - FOCUS GROUP. Si intervista un gruppo di persone, che viene riunito
intorno ad un determinato argomento, al fine di sviscerare un problema. Il ricercatore analizza la
discussione e controlla la dinamica dell'interazione.

L’OSSERVAZIONE PARTECIPANTE
L'osservazione partecipante implica un contatto personale e intenso fra soggetto studiante e soggetto
studiato: un’interazione prolungata che può durare anche anni, con un coinvolgimento del ricercatore
nella situazione oggetto dello studio che ne rappresenta l'elemento distintivo.
Il ricercatore “scende sul campo” e si immerge nel contesto sociale che vuole studiare, vive come e con le
persone oggetto del suo studio, ne condivide la quotidianità, gli stili di vita, per sviluppare una “visione
dal di dentro” che è alla base del presupposto della comprensione.
L'osservazione partecipante è una strategia di ricerca nella quale il ricercatore si inserisce: a) in maniera
diretta; b) per un periodo di tempo relativamente lungo, in un determinato gruppo sociale; c) nel contesto,
così com’è, senza alterarlo; d) instaurando un rapporto di interazione personale con i suoi membri; e) allo
scopo di descrivere le azioni e di comprendere, mediante un processo di immedesimazione, le
motivazioni sottese alle scelte razionali quotidiane.
L'osservazione partecipante è utile:
1. quando si sa poco di un certo fenomeno;
2. quando vi sono forti differenze tra il punto di vista interno e quello esterno (es. gruppi etnici);
3. quando il fenomeno si svolge al riparo da sguardi estranei (es. rituali religiosi);

13
Silverman, D. (2000). Come fare ricerca qualitativa. Roma: Carocci.
55
 4. quando il fenomeno è deliberatamente occultato (es. sette segrete, gruppi criminali).
L'osservazione partecipante si rende necessaria quando c'è la necessità di catturare il comportamento nella
sua genuinità. Per questo è necessario, talvolta, che l'osservazione sia dissimulata; questo comporta, però
controindicazioni morali (inganno, comportamenti illegali, coinvolgimento sentimentale, essere associati
a spie, …) che inficiano il rapporto ricercatore-intervistato.
Per risolvere questo problema si fa riferimento ad un mediatore culturale che funge da ponte tra il gruppo
studiato ed il ricercatore.
L’oggetto dell’osservazione partecipante è:
1. Il contesto fisico e l’ambiente circostante;
2. Il contesto sociale (famiglie, gruppi, organizzazioni, …);
3. Le interazioni formali (dentro istituzioni od organizzazioni);
4. Le interazioni informali (il cuore dell'osservazione);
5. Le interpretazioni degli attori sociali della realtà sociale.
Lo stile di scrittura del rapporto finale di ricerca è riflessivo poiché il ricercatore è parte del mondo che
sta studiando. Sarà anche una sorta di racconto in modo da far emergere, tramite la cronaca, la ricchezza
dei contenuti.

LE STORIE DI VITA14 15

Il campo biografico è costituito da quel complesso insieme di quadri teorici epistemologici, di tecniche e
metodi che si servono del materiale biografico e, quindi, di strumenti di rilevazione di tipo non strutturato,
che vanno dalle fonti secondarie indirette (biografie, diari, documenti autentici, appunti, ecc.) a quelle
dirette, raccolte tramite intervista. Entro questo campo si iscrive la tecnica della storia di vita che è una
forma di intervista, dove la raccolta delle informazioni non è rigidamente predefinita e, dove, il rapporto
tra intervistato ed intervistatore, non è rigorosamente determinato.
Specificamente, le storie di vita sono racconti autobiografici tramite cui una persona narra se stessa, il
proprio vissuto, il contesto sociale dove abita e, quindi, il gruppo a cui appartiene e la cultura che lo
rappresenta.
Su questa tecnica si registra una grande varietà terminologica. Life history, récit de Vie, percorso di vita,
life course, lebenslauf sono alcune delle espressioni definitorie usate nella pratica di ricerca
internazionale. Questo assortimento è già esemplificativo della complessità di tali modalità d’indagine le
quali sovente si sono reciprocamente ibridate.
Le storie di vita sono spaccati di esperienza quotidiana, che descrivono particolari situazioni vissute
e combinano ricordi, opinioni, giudizi, esperienze, che ricostruiscono la “verità” storica ed esistenziale
attorno alla quale una persona e una comunità si riconoscono. Ciò perché più che l’evento, in quanto
oggettivamente dato, è significativamente rilevante il racconto che di esso se ne dà.
I racconti di questo genere, sedimentando nella memoria collettiva, influiscono così ampiamente sulla
percezione collettiva della realtà sociale e contribuiscono ad inventare la tradizione e a tramandare la
storia. La potenza euristica di questo strumento è legata, anzitutto, all’assenza di filtri interpretativi da
parte del ricercatore. Lasciandolo raccontare, questi riduce al minimo la manipolazione del
14
Campelli, E. (1977). L’uso dei documenti e delle storie di vita nella ricerca sociologica. Elia: Roma.
15
Alcuni stralci di questa sezione sono stati già pubblicati in DI MAGGIO U. (2022). Sociologia per variabili ed etnografia
sociale: l’inferenza come strumento comune per la selezione dei casi. In (a cura di): TERRASI F. Racconti dal secolo scorso.
CALTANISSETTA-ROMA: Salvatore Sciascia Editore ISBN: 978-88-8241-538-9.
56
soggetto-oggetto di studio.
Le storie di vita hanno spesso, come oggetto di narrazione, il degrado, la povertà, l’esclusione sociale,
l’oppressione e la subalternità. Il legame stringente è con l’immanente quotidiano ed i protagonisti sono
i sottoproletari, i subalterni - ignorati dalle inchieste - che il potere lo subiscono e che dalle istituzioni
auspicano soluzioni alla propria condizione di indigenza.
Così il rifiuto per le teorizzazioni colte è categorico. Ciò che si privilegia, al contrario, è il racconto in
prima persona che offre mezzi ed opportunità argomentative a chi mai ne ha avute. Il sapere sociologico,
quindi, non si baserebbe su un rapporto asettico tra ricercatore e oggetto-soggetto da investigare. La
“gente comune” non sarebbe più, quindi, un aggregato amorfo di oggetti da osservare. Sarebbe costituita,
invece, da informatori che incorporano quel sapere autentico che i sociologi sono chiamati a decifrare. Per
questo motivo le storie di vita sono utilizzate anche per indagare riflessivamente i processi di
socializzazione e risocializzazione.
Nelle storie di vita la voce narrante è protagonista. Lo è insieme al contesto entro cui se stessa si
racconta. Questo non è uno sfondo anonimo, ma, invece, una vera e propria impalcatura imprescindibile
del racconto che emerge dal rapporto dialogico tra l’io narrante ed il ricercatore, che ascolta, registra e
guida il momento narrativo, alimentando così la memoria, e che trascriverà quel ricordo, traducendolo,
integrandolo e facendo quindi emergere, tramite l’atto narrante, i modi diversi di vedere, di pensare.

57
·
L’ANALISI E PRESENTAZIONE DEI DATI
QUANTITATIVI
LA DISTRIBUZIONE DI FREQUENZA
La distribuzione di frequenza è una rappresentazione schematica di dati quantitativi riferita agli stati che
assumono le variabili. In statistica, una variabile statistica è una caratteristica di un fenomeno che può
assumere diversi valori. Ad esempio, il peso di un adulto è una variabile statistica, in quanto può
assumere valori diversi da persona a persona. Le variabili statistiche possono essere classificate in due
grandi categorie: le variabili quantitative sono quelle variabili che possono assumere valori numerici.
Ad esempio, il peso, l'altezza, il reddito, sono tutte variabili quantitative. Le variabili qualitative sono
variabili che non possono essere misurate numericamente. Ad esempio, il colore dei capelli, il genere, la
nazionalità, sono tutte variabili qualitative.
Più nel dettaglio le variabili sono di tre tipi:

VARIABILI NOMINALI O Registrano stati discreti non

(es. italiano, francese, inglese)
CATEGORIALI ordinabili

VARIABILI ORDINALI Registrano stati discreti ordinabili (es. soldato, sergente, colonnello)

Registrano modalità con valore (es. età, reddito, peso, numero di

VARIABILI CARDINALI
numerico avente valore in sé figli).

La tabella con la distribuzione di frequenza elenca le frequenze assolute e quindi il numero di volte in
cui uno specifico dato si ripete. Il valore si chiama frequenza relativa se si divide la frequenza assoluta
per il totale dei dati e frequenza percentuale se il valore relativo si pondera a 100. Infine la frequenza
cumulata è pari alla somma della sua frequenza assoluta e di quelle delle modalità che la precedono.

FREQUENZA ASUS
Esempio LTE CHE
RIPETUTO UN
SI

DATO
E
FREQWENEAASSOTA
t
-T .
DATI
FREQ RELATIVA
.

IN PERCENTALE

FREQUENZA FREQUENZA FREQUENZA FREQUENZA

VARIABILE
ASSOLUTA CUMULATA RELATIVA PERCENTUALE
STATO 1 5 - 0,19 X100
19%
STATO 2 12 17 0,44 X100
44%
STATO 3 10 27 0,37 * 100
37%
TOT 27 1,00 100,00

Dove:
La frequenza relativa 0,19 è il risultato dell’operazione 5/27.
La frequenza cumulata 17 è la somma delle frequenze assolute 5 e 12.
La frequenza percentuale 19% è il risultato dell’operazione 0,19*100.

58
·

L’ANALISI UNIVARIATA
L'analisi univariata consiste nell'analizzare le variabili singolarmente prese, cioè una per volta, senza
metterle in relazione fra di loro.

LA MATRICE CASI-VARIABILI
Quando si dispone di dati quantitativi è necessario, anzitutto, raccogliere i dati ed imputarli in una
matrice casi-variabili. Questa è una griglia organizzata in righe e colonne. I casi (nelle righe) sono i
soggetti interpellati e le variabili (nelle colonne) sono le informazioni che li riguardano.

Esempio

Ii
V1 V2 V3 V4 V5 V6

C1 F 20 Media inferiore SI D’accordo ... F

C2 M 25 Laurea NO Non d’accordo ...

C3 F 40 Elementare NO Non saprei ...

C4 F 45 Media superiore SI D’accordo ...

N
… ... ... ... ... ... ... I

59
LE MISURE DI TENDENZA CENTRALE O INDICI DI
POSIZIONE
Le misure di tendenza centrale o indici di posizione sintetizzano la posizione del centro ideale, attorno
a cui gravitano gli elementi di una distribuzione. Tali indici sono la moda, la mediana e la media.
STATI DISCRETI

LA MODA INGLESE, ITALIANO FRANCESE

=
NON ORDINABILI
,

M
↑
NON CALCOLABILE MA RILEVABILE
Per la variabile nominale/categoriale sono possibili solo relazioni di uguaglianza e disuguaglianza (es.
cattolico, protestante, etc.). La tendenza centrale è la moda, che si indica con il simbolo µo “mu-o”, ed è
la modalità di una variabile che si presenta nella distribuzione con maggiore frequenza.
MODALITÀ
LA MEDIA N
CON VALORE NUMERICO PROPRIO =Età
, REDDITO , PESO

I
Per la variabile cardinale è possibile procedere con un'operazione di misurazione o conteggio delle
proprietà. La misura di tendenza centrale è la media, che si indica con il simbolo µ “mu”, ed è la somma
dei valori assunti dalla variabile su tutti i casi divisa per il numero di casi e

µ = ∑ xi / N

Dove: ∑ xi è la sommatoria delle “xi” che sono i modi in cui viene espressa la variabile, e “N” è il
numero totali dei casi

Esempio

Avendo i tre valori 1+3+5 la cui somma è 9, la media è 9/3 quindi µ = 3

60
LA MEDIANA ORDINABILI
LISTATI
Per la variabile ordinale è possibile procedere solo ad operazione di ordinamento degli stati della
proprietà (Es. maggiore, minore, etc.). La misura di tendenza centrale per le variabili ordinali è la
mediana ed è la modalità del/i caso/i che occupa un posto di mezzo nella distribuzione ordinata dei casi
secondo quella variabile. La mediana, che si indica con il simbolo μe “mu-e”, è precisamente un indice di
centralità non distorto ed è particolarmente utile perché non è influenzato dai valori estremi presenti nella
distribuzione.

Esempio con numero di valori dispari Esempio con numero di valori pari
Avendo i dati Avendo i dati
16|15|3|28|14 11|9|17|19|4|15

Si dispongono in ordine crescente Si dispongono in ordine crescente

3|14|15|16|28 4|9|11|15|17|19
La mediana μe è il valore centrale La mediana μe è la media dei due valori centrali
μe = 15 μe = (11+15)/2=13

61
·

LE MISURE DI DISPERSIONE PREDISPOSIZIONE DELLE OSSERVAZIONI DI

UNA DISTRIBUZIONE DI ACONTANARSI DALLA TENDENZA CENTRALE

Le misure di dispersione esprimono la variabilità dei dati e, quindi, la propensione delle singole
osservazioni di una distribuzione ad allontanarsi dalla tendenza centrale.
Per conoscere la posizione che un valore occupa all’interno di una distribuzione di frequenza vengono
utilizzati i “quantili” che si classificano, più specificamente, in “quartili” se l’ordine di suddivisione dei
dati è 4; “decili” se l’ordine di suddivisione dei dati è 10, “percentili” se l’ordine di suddivisione dei dati
è 100.

I QUARTILI -
- USATI DENTRO La DISTRIBUZIONE DI FREQUENZA PER CONOSCERE LA POSIZIONE DI UN VALORE

I quartili si ottengono dividendo l’insieme dei dati in 4 parti uguali. Specificamente, il primo quartile
(Q1) è quel valore che ha a sinistra il 25% della distribuzione e a destra il 75%; il secondo quartile (Q2)
coincide con la mediana ed è quello che lascia a sinistra e destra il 50% dei dati della distribuzione; il
terzo quartile (Q3) è quello che ha il 75% dei casi a sinistra e il 25% a destra.

Per calcolare manualmente i quartili si procede, anzitutto, ordinando i dati della distribuzione in modo
crescente. Successivamente si calcolano le frequenze cumulate e la posizione del quartile. In ultimo, si va
a individuare il valore corrispondente alla posizione trovata.

Q1= (N+1/4) x 1; Q2 = (N+1/4) x 2; Q3 = (N+1/4) x 3 ; …

62
 1) ORDINO IN ORDINE CRESCENTE
2) CALCOLO FREQ . ASSOLUTA E CUMULATA
3) Calcolo i QuartIli

=NDRAARTI
K= N-p

N -

P3 =
20 ·
0 75 = 16 TERZO Quartile
,

COME CALCOLO i QUARTILI :

Esempio
Vogliamo conoscere il valore dei quartili di una classe di venti studenti che hanno ricevuto il voto al
compito di statistica. I voti variano da 2 a 10. Specificamente i voti conseguiti dai venti studenti sono:
①
7,8,9,6,5,5,7,8,9,4,6,6,7,9,10,5,2,8,7,6. Anzitutto i voti ottenibili vanno ordinati in maniera crescente
così come segue: 2,4,5,6,7,8,9,10. Dopodiché, avendo a disposizione i voti ottenuti dai singoli studenti,
②
calcoliamo le frequenze assolute e le frequenze cumulate. Queste ultime sono pari alla somma di
ciascuna frequenza assoluta e di ciascuna modalità precedente.
PROPR FR ASSOLTA STATI
. .
CHE LA PRECEDONO

Voti Frequenze assolute Frequenze cumulate

2 1 1
(1 + 1)
4 1 2
(3 + 1 + 1)

5 3 5
(u + 3 + 1+ 1)

6 4 9
(u + 4 + 3 + 1 + 1)

7 4 13
(3+ u+4+ 3+ 1+ 1)
8 3 16
(3+ 3 + 4+ 4 + 3 + 1+ 1)
9 3 19
(1+ 3+ 3+ 4 + 4+ 3 + 1+ 1)

10 1 20

TOTALE 20
⑤
Avendo imputati i dati in una tabella si procede a calcolare i quartili usando la formula K=N*P dove N è
il numero di osservazioni (cioè i 20 studenti) e P è la posizione del quartile espresso in decimali.
Specificamente P1 = 0.25; P2 = 0.5 (che coincide con la mediana); P3 = 0.75.
⑨
Avendo ottenuto K, lo si confronta alla posizione più vicina alla frequenze cumulate. Se K non è un
valore intero si prende la posizione successiva arrotondando per eccesso.
Il primo quartile sarà quindi 20 * 0,25 = 5. Il valore 5 nella colonna delle frequenze cumulate si trova a
terzo rigo e quindi il punteggio 5.
Il secondo quartile, che corrisponde a mediana è 20 * 0,5 = 10. Il valore 10, in questo caso, non è
presente nella colonna delle frequenze cumulate. Dunque si sceglie, per eccesso, il 13 che è
corrispondente al punteggio 7.
Il terzo quartile è 20 * 0.75= 15. Anche questa volta il numero non è presente nelle frequenze cumulate
per cui si sceglie, per eccesso, il 16 che si riferisce al punteggio 8.

63
 MISURA QUANTO I
VALORI
SI ALONTANANO DALLA
MEDIANA

-
LA DIFFERENZA INTERQUARTILE O SCARTO INTERQUARTILE
CAMPIONARIO
>
-
STATI DISCRETI ORDINABILI
I

Se la variabile è ordinale, dato che la mediana ha la proprietà di dividere la distribuzione in modo

ordinato, la differenza interquartile, o scarto interquartile campionario, indicato con IQR, misura di
quanto i valori si allontanino dal valore centrale (mediana). Si ottiene sottraendo il terzo quartile dal
primo quartile, ovvero la fascia di valori che contiene la metà centrale dei valori osservati.

IQR = Q3-Q1

Esempio 1
● Avendo una serie pari di dati riferiti agli stati di una variabile ordinale (es. posizione d’ingresso
in un negozio): 4|9|7|11|20|12
● Li si ordina in maniera crescente: 4|7|9|11|12|20
● Il punto che divide la distribuzione dei dati è posizionato tra 9 e 11, e quindi nel punto segnato
con il colore rosso: 4|7|9|11|12|20
● Avendo individuato tale punto, a seguire, si calcola la mediana del primo e terzo quartile, e
quindi si identificano i valori 7 e 12: 4|7|9|11|12|20
● Infine si determina così lo scarto interquartile campionario, effettuando una sottrazione tra i
valori Q3 – Q1 e quindi tra il 12 e il 7

IQR = Q3-Q1 → 12-7 = 5

Esempio 2
● Avendo una serie dispari di dati riferiti agli stati di una variabile ordinale (es. posizione d’arrivo
in una gara sportiva): 9|6|16|12|11|24|19
● Li si ordina in maniera crescente: 6|9|11|12|16|19|24
● Il punto che divide la distribuzione dei dati è il valore mediano 12
● Avendo individuato tale valore, a seguire, si calcola la mediana del primo e terzo quartile, e
quindi si identificano i valori 9 e 19: 6|9|11|12|16|19|24
● Infine si determina così lo scarto interquartile campionario, effettuando una sottrazione tra i
valori Q3 – Q1 e quindi tra il 19 e il 9

IQR = Q3-Q1 → 19-9 = 10

64
·

LA DEVIAZIONE STANDARD O SCARTO QUADRATICO MEDIO

VALORI NUMERICI PROPRI
T
Se la variabile è cardinale ci si può servire della deviazione standard o scarto quadratico medio. Per
ottenerla si effettua la radice quadrata della varianza. L
La varianza identifica la dispersione dei valori di una variabile attorno al valore medio. Specificamente la
varianza ha la seguente formula.
σ2 = ∑ (xi - 𝑥) 2 / N

Va specificato che la varianza ha un valore maggiore o uguale a zero. Il valore zero si ottiene per variabili
che non cambiano. Più piccola è la varianza (che si indica anche con il simbolo σ “sigma”) tanto i più i
valori della variabile si concentrano intorno alla media.
Specificamente la deviazione standard o scarto quadratico è il risultato della radice quadrata della
media dei valori elevati al quadrato a cui si sottrae il quadrato della media dei valori.

σ = √ σ2

Esempio

Per calcolare la varianza dei valori 8,7,6,5,4 si calcola innanzitutto la media indicata con il simbolo
“mu” μ=6.
A seguire si sommano i quadrati delle differenze tra i singoli valori della distribuzione con il rispettivo
valore medio.
● σ2 = (8-6)2+(7-6)2+(6-6)2+(5-6)2+(4-6)2 / 5
● σ2 = (2)2 +(1)2+(0)2+(-1)2+(-2)2/ 5
● σ2 = 4+1+0+1+4 / 5
● σ2 = 10 / 5 = 2

La deviazione standard o scarto quadratico medio, di conseguenza, sarà √ 2 = 1.41

In sintesi
SINTETIZZANO PREDISPOSIZIONE
DELLE OSSERVAZIONI DI ALLONTANARSI
LA POSIZIONE DEL CENTRO IDEALE

Misura di tendenza DAL CENTRO

Misura di dispersione
centrale

Variabile
Moda —
nominale/categoriale VARIABILE PIÙ FREQUENTE =
MO
(STATI NON ORDINABILI
IQR = Q3-Q1-WANTOVALRISALA MEDIA

Differenza interquartile o Scarto

Variabile ordinale Mediana
(STATI ORDINABILI) SOMMA VARIABILI : NUMERO CASI = M interquartile campionario
E Si
①SITROVALA OGNI NUMERO Si SOTTRAE ALLA MEDIA
SI ELEVA ALLA SECONDA DVDEPE
T

Varianza, Deviazione standard o Scarto

Variabile cardinale Media

I
CMODALITÀ CON VALORE NUM . PROPRIO VALORE CENTRALE =
Me quadratico medio

V
65 FORMULA :
: [(x - (2/N
=
:
·

L’ANALISI BIVARIATA -
> SERVE A EVIDENZIARE LA RELAZIONE FRA VARIABILI
-

L'analisi bivariata evidenzia correlazioni o relazioni tra due o più distinte variabili. Il modo più
immediato di rapportare variabili è procedere con la costruzione di indici.

GLI INDICI 2LEMENTI CHE

-
DESCRIVONO I DATI

Gli indici sono una combinazione di elementi e servono a descrivere in modo sintetico i dati e, quindi, i
fenomeni che essi rappresentano. Si ottengono tramite semplice rapporto tra le variabili.

Esempio

Ad esempio, avendo il numero di lavoratori presenti nelle province e il rispettivo numero di residenti, è
possibile costruire un indice di occupazione rapportando semplicemente il numero dei residenti (a
denominatore) ed i rispettivi occupati (a numeratore).
Ioc = A/B

PROVINCE N° LAVORATORI (A) N° RESIDENTI (B) Ioc (A/B)

3000

A 5.000 200.000 0,025 =

200 000

9000

B 12.000 900.000 0,013 I 12000

600O

C 6.000 600.000 0,010 =

600 000

TOT 23.000 1.700.000 0,013 =2300 0

66
..
LA CORRELAZIONE E LA REGRESSIONE
E’ possibile verificare la relazione tra variabili anche tramite i calcoli di correlazione e di regressione.
La correlazione lineare valuta se c’è una relazione di tipo lineare (positiva o negativa) tra due variabili
quantitative X e Y. Specifica se la relazione è di tipo simmetrico; quindi, se si invertono X e Y il risultato
resterebbe il medesimo. La relazione è significativa se il risultato è compreso nell’intervallo
− 1 ≤ ρ ≤ 1.

Tramite il calcolo della correlazione non è possibile ricavare alcuna considerazione circa il rapporto
causa-effetto. La formula di riferimento è l’indice di Pearson (indicato con ρ cioè “rho” o r) che misura
quanto due variabili sono correlate tra loro, cioè come variano insieme, e si ottiene dividendo la
covarianza di X e Y - cioè lo scostamento delle due variabili dai rispettivi valori medi - per il prodotto
degli scarti quadratici medi cioè la dispersione dei dati intorno all’indice di posizione.
L'indice (o coefficiente) di Pearson, quindi, misura quanto due variabili sono correlate tra loro, cioè come
variano insieme. È un numero che va da -1 a +1:
● +1 indica una correlazione positiva perfetta (quando una variabile aumenta, anche l'altra aumenta)
● -1 indica una correlazione negativa perfetta (quando una variabile aumenta, l'altra diminuisce)
● 0 indica nessuna correlazione (le variabili non hanno relazione)
Per esempio:
● Età e altezza nei bambini: correlazione positiva (circa +0.8)
● Temperatura e vendita di gelati: correlazione positiva (circa +0.7)
● Ore di studio e errori nel test: correlazione negativa (circa -0.6)

La formula semplificata dell’indice di Pearson è:

r = somma[(x - media_x)(y - media_y)] / radice_quadrata [somma(x - media_x)² * somma(y - media_y)²]

La formula compatta è la seguente: analizza la relazione

di 2
Variabili simmetriche
NON c'è un Rapporto Causa effetto

ρ = 𝑐𝑜𝑣 (𝑥, 𝑦)/σ𝑥 * σ 𝑦 IL NUMERO Compreso

È Tra +1

La regressione valuta se c’è una relazione di tipo lineare (positiva o negativa) tra due variabili
quantitative X e Y. Questa relazione, al contrario della correlazione, è di tipo asimmetrico e quindi se si
invertono X e Y il risultato cambia. La regressione si rappresenta in un piano cartesiano con uno scatter
plot ove la retta di regressione stima il valore di una variabile quantitativa dipendente di risposta (Y),
partendo dai valori di un’altra variabile quantitativa esplicativa indipendente (X).

Si INVERTONo
CORRELAZIONE = RELAZIONE LINEARE TRA L VARIABILI QUANTITATIVE DI TIPO SIMMETRICO -
SEXEY
IL
RISULTATO
ON CAMBIA

REGRESSIONE RELAZIONE LINEARE TRA L VARIABILI QUANTITATIVE DI TIPO ASIMMETRICO

SEEYSINVERTONT

67
È possibile calcolare correlazione e regressione lineare utilizzando Google Fogli (Google Excel) grazie a
funzioni integrate che semplificano l'analisi statistica utilizzando le formule CORRELAZIONE e
[Link].

Avendo due serie di dati nelle colonne A e B:

A1:A10 contiene i valori della variabile X.

B1:B10 contiene i valori della variabile Y.

La formula per il calcolo della correlazione lineare sarà =CORRELAZIONE(A1:A10; B1:B10)

La formula per il calcolo della regressione lineare sarà: =[Link](A1:A10; B1:B10)

Caratteristica Correlazione Regressione

Obiettivo Valutare la relazione lineare tra due Valutare la relazione lineare e

variabili quantitative (X e Y). stimare una variabile (Y) da un'altra
(X).

Simmetria Simmetrica: invertendo X e Y, il Asimmetrica: invertendo X e Y, il

risultato non cambia. risultato cambia.

Relazione Causa-Effetto Non identifica una relazione Si ipotizza una relazione causale tra
causa-effetto. X (indipendente) e Y (dipendente).

Grafico Nessun grafico specifico richiesto, Scatter plot con retta di regressione.
ma può essere rappresentata su uno
scatter plot.

Interpretazione Valore vicino a 1 o -1 indica una La retta di regressione stima Y in

forte relazione lineare positiva o base ai valori di X.
negativa.

Tipo di Variabili Due variabili quantitative. Due variabili quantitative, X

(indipendente) e Y (dipendente).

68
Esempio

Si ha la seguente distribuzione di dati:

X Y

A B

2 1,00 7,25
3 2,00 2,03
4 3,00 5,60
5 4,00 15,74
6 5,00 9,02
7 6,00 6,63
8 7,00 18,00
9 8,00 15,32
10 9,00 10,52
11 10,00 19,01
12 11,00 19,79

Dove A = Spese in pubblicità negli ultimi quadrimestri in migliaia di euro (X)

Dove B = Fatturato negli ultimi quadrimestri in migliaia di euro (Y)

Il calcolo di correlazione lineare applicato tramite la formula di Google Fogli

"=CORRELAZIONE(A2:A12; B2:B12)” restituisce valore “0,67”. Ciò non implica causalità, ma solo
la forza della relazione tra X e Y.

Il calcolo di regressione lineare applicato tramite la formula di Google Fogli "=[Link](A2:A12;

B2:B12)” restituisce valore “0,29” con intercetta (intersezione della retta X con l'asse delle Y) a “1,60”.

Lo spazio cartesiano si ottiene creando un “Grafico a dispersione” su Google Fogli. Prima di tutto si
selezionano le celle da A2 ad A12 e da B2 a B19, poi si clicca su “Inserisci” nel menù e si sceglie
“Grafico a dispersione” (scatter plot). Il risultato rapporta la Variabile indipendente “Spese in
pubblicità negli ultimi quadrimestri” (asse orizzontale X) alla Variabile dipendente “Fatturato negli
ultimi quadrimestri” (asse verticale Y). Nota bene: la linea di tendenza si visualizza cliccando due volte
sull’area del grafico, poi su Personalizza, Serie e Linea di tendenza.

69
70
·

LA TAVOLA DI CONTINGENZA E TEST DI INDIPENDENZA DEL

CHI-QUADRATO >
-
ANALIZZO SE C'E DIPENDENZA TRA X EY CON LEVARIABILI

Il test χ2 del chi-quadrato è un’analisi della dipendenza o indipendenza di variabili nominali/categoriali.

E’ utile per comprendere se le modalità di un carattere X possono avere influenza sulle modalità del
carattere Y. CONFRONTA

Il test χ2 opera più precisamente confrontando le frequenze osservate (indicate con ”fo”) con quelle
teoriche attese (indicate con ”fe”).CALCOLARLO USAY
Il riferimento primario è la tavola di contingenza che è una tabella a
doppia entrata dove è rappresentata la distribuzione congiunta di due variabili. Le frequenze osservate
sono assolute/percentuali e si chiamano marginali nel caso si riferiscano ai totali.

L’assunto base del test χ2 del chi-quadrato è la cosiddetta ipotesi nulla e cioè che le due variabili
siano indipendenti e quindi non correlate.

Il test χ2 del chi-quadrato si effettua sulle frequenze assolute e non su quelle percentuali e assume valore
0 nel caso limite di indipendenza perfetta nei dati. Il valore è tanto più elevato quanto maggiore è la
distanza tra frequenze osservate e frequenze attese.

La formula è la seguente e non potrà mai restituire un valore negativo.

χ2 = ∑ (fo - fe)2 / fe

Il metodo del chi-quadrato si può utilizzare quando il valore contenuto in ogni cella è >5 e quando il
numero totale di osservazioni è >30.

Specificamente il valore ottenuto con il test χ2 va interpretato con il sistema di ipotesi. L’ipotesi nulla si
ha quando il risultato del test χ2 è pari a 0 e quindi, laddove, c’è piena indipendenza tra le due variabili. Il
valore 0 è ottenuto, infatti, quando le frequenze attese coincidono con le frequenze osservate. L’ipotesi
alternativa è che il risultato del test χ2 sia diverso da 0.

Per interpretare il risultato del test χ2 bisogna fare riferimento ad una tabella coi valori critici χ2p per la
distribuzione χ. La tabella è organizzata in gradi di libertà “v” (le righe) e le soglie alpha “α” (in
colonne). Nelle celle sono riportati i valori critici χ2p. I gradi di libertà “v”, da 1 a 100, si riferiscono alla
struttura della tabella di contingenza originaria e quindi al numero di modalità della prima variabile e al
numero di modalità della seconda variabile.
Le soglie alpha “α” indicano il livello di significatività tramite cui è possibile verificare se la differenza
tra il risultato osservato e quello ipotizzato è dovuta alla casualità del campionamento, oppure se è
statisticamente significativa.

71
·

Esempio

Frequenze osservate ”fo” Frequenze attese teoriche in caso di indipendenza ”fe”

2 COLONNE

MASCHI FEMMINE TOTALE MASCHI FEMMINE TOTALE

SEMPRESS
VALORE

·t
2

%
200 100 300 300*260 300*140/400=10 300
Occupati /400=195 5
M

Disoccupati
60 40 100
P 100*260/400=65 100*140/400=35 100

13
260 140 400 260 140 400
Totale -

χ2 = ∑ (fo - fe)2 / fe → χ2 = (200 - 195)2/260 + (100-105)2/140 + (60-65)2/260 + (40-35)2/

140 … = 0,2261043231 ESSERE CONFRONTATO -
D DEVE
CON
LA TABELLA DEL VALORI
CRITICI

Per il calcolo, su Google Fogli, si può utilizzare anche la formula =[Link](...;…) selezionando
l’apposito intervallo di frequenze osservate e teoriche, escludendo però i totali.
Avendo una tabella di contingenza, composta da 2 righe e 2 colonne, bisogna preliminarmente calcolare
le frequenze teoriche. Specificamente bisogna moltiplicare il totale riga per il totale di colonna e
dividerlo per il totale complessivo di riga e colonna.
Applicando la formula per il calcolo dei gradi di libertà “v” otterremo (numero di righe-1)*(numero
di colonne-1) e quindi (2-1) * (2-1) = 1. Questo valore “1” lo utilizzeremo nella tabella dove sono
indicati i valori critici χ2p. Ci riferiremo quindi alla prima riga, cioè quella che indica “v” grado di
libertà = 1. C SOGLIE > PER CONVENZIONE SI
LONNE
=
0 PRENDE SEMPRE , 05

RIGHE
-

GRADI-
DI UBERTA

Per convenzione si respinge l’ipotesi di indipendenza se il valore del χ2 è così grande da avere solo il
5% (cioè 0,05), o meno, di possibilità di essere dovuto al caso, mentre ha il 95% di possibilità di essere
causato da una relazione tra le variabili. A tal fine si usa come riferimento la colonna α = 0,05. La cella
corrispondente ha valore 3,841. Dato che il risultato del test χ2 = 0,22 - ed è quindi minore del χ2p
critico 3,841 - allora l’ipotesi nulla H0 (quella per cui la variabile a [occupati/disoccupati] risulta essere
indipendente dalla variabile 2 [maschi/femmine]) va rifiutata asserendo che le due variabili sono
dipendenti. Se il risultato del test χ2 fosse stato superiore del valore teorico χ2p, allora l’ipotesi H0
andava accettata, asserendo che le due variabili sono indipendenti.

72
Essendo Che 0, 2213 , 841 - > VARIABILI INDIPENDENTI =
IPOTESI NULLA E VA RIFIUTATA

Qualora 0 , 22) VARIABILE

...
- >
DIPENTE = IPOTESI VA ACCETTATA
·

I GRAFICI -
> Servono A DIMOSTRARE LA VALIDITÀ DEL RISULTATO DELLE NOSTE IPOTESI

I risultati dell’elaborazione dei dati quantitativi vanno argomentati. Le informazioni statistiche, infatti, da
sole, non esprimono alcunché. Queste devono essere inserite in una trattazione che sappia dimostrare la
validità del processo attraverso il quale, dalla teoria guida, si sia giunti alla formulazione delle ipotesi che
risolvono la problematica oggetto dello studio. Nel caso si sia fatto uso di dati statistici è importante
utilizzare appositi grafici. La loro creazione è possibile, in maniera intuitiva, tramite Google Sheets:
editor di fogli di lavoro online.

Il grafico a torta o aerogramma è un

diagramma utile a rappresentare la
composizione di una distribuzione. Molto utile
nel caso si disponga di variabili nominali,
esprime le quote (le fette) rappresentative di
un totale. Ad esempio il numero di bambini,
adulti ed anziani presenti in un dato quartiere.

Il grafico a linea indica una tendenza e si può

usare, ad esempio, per rappresentare specifici
fenomeni nel tempo. Ad esempio l’andamento
del PIL, della povertà,
dell’occupazione/disoccupazione o la
quotazione di un titolo azionario.

Il grafico a barre o a colonne è la

rappresentazione grafica in categorie, della
I NUMERI
distribuzione di una variabile quantitativa con
valori discreti diversi tra loro. Esiste anche la
versione a nastri laddove l’orientamento è
orizzontale. Si può usare, ad esempio, per
indicare i dati di vendita di due specifici
prodotti, in due o più anni. Simile al grafico a
barre è l'istogramma che va usato per
rappresentare fenomeni continui, ad esempio,
l’età.

73
 Il cartogramma è una carta geografica in cui
sono rappresentati dei dati statistici. Le diverse
intensità dei colori dipendono dai valori riferiti
alla variabile che viene rappresentata.

74
L’Analisi e Presentazione dei Dati Qualitativi
L’analisi dei dati qualitativi si distingue nettamente da quella quantitativa per il suo approccio
centrato sull’intensità dell’osservazione e sulla profondità dell’indagine. A differenza del
quantitativista, che si basa su campioni ampi per garantire la rappresentatività dell’intero universo
di riferimento, il qualitativista sceglie pochi casi emblematici, ritenendoli sufficienti a rappresentare
fenomeni complessi. Questo approccio parte dall’idea che uno studio approfondito e mirato,
supportato da strumenti come interviste in profondità, possa rivelare aspetti che un’analisi
estensiva non riuscirebbe a cogliere.
Il sociologo-statistico utilizza le indagini per analizzare variabili e cerca di dimostrare la validità
dei dati attraverso metodi matematici. I risultati ottenuti vengono interpretati in base alla loro
capacità di rappresentare il contesto studiato e altri contesti simili.
Il sociologo-etnografo, invece, si concentra sull’importanza del contesto specifico scelto,
valorizzandone l’eterogeneità e le caratteristiche uniche. Ritiene che questo approccio consenta di
ottenere informazioni più approfondite, che altri metodi di campionamento non riescono a fornire
con la stessa intensità.

Differenze tra approccio quantitativo e qualitativo

Le differenze principali tra i due approcci riguardano: motivazione della ricerca, fini e mezzi.
• Motivazione della ricerca: I qualitativisti ritengono che i dati provenienti da sondaggi e
statistiche ufficiali non siano sufficienti per indagare a fondo la realtà. Secondo questa
visione, il metodo quantitativo sarebbe uno strumento al servizio di interessi economici e
politici, con lo scopo di controllare e manipolare la società. La ricerca qualitativa, al
contrario, punta a liberarsi da queste dinamiche, concentrandosi sulla comprensione
profonda dei fenomeni sociali.
• Fini:
- Il metodo quantitativo mira a produrre leggi universali applicabili a qualsiasi contesto e in
ogni epoca.
- L’approccio qualitativo, invece, si concentra su una comprensione profonda del vissuto delle
persone, cercando di offrire spunti per affrontare problemi concreti. Questo approccio
si caratterizza per la creazione di legami empatici con i soggetti osservati, soprattutto
in situazioni di disagio o tensione sociale. L’obiettivo finale è fornire una base per
soluzioni pratiche, più che creare teorie astratte.
• Mezzi:
- La ricerca qualitativa non utilizza strumenti standardizzati o rigidamente predefiniti, ma si
basa su un approccio flessibile e creativo. La sua forza risiede nel nesso dialettico tra
testo, contesto e intertesto, evitando categorizzazioni rigide.
- Ad esempio, attraverso la ricerca biografica, si privilegia il racconto testuale rispetto ai
numeri, puntando a tracciare nuove direzioni per approfondire ulteriormente il
fenomeno. Questo approccio valorizza la genuinità dei dati, evitando espressioni
astratte o metodi pseudo-scientifici derivati da altre discipline, come la matematica e la
fisica, che complicano inutilmente la comprensione della realtà.

Presentazione dei risultati

Lo stile di presentazione dei risultati di una ricerca qualitativa è solitamente riflessivo e somiglia a
quello letterario o giornalistico.
• Si fa ampio uso di virgolettati, riportando stralci di interviste e documenti per sottolineare le voci
dei partecipanti.
• Questo stile mira a rappresentare fedelmente il contesto e il vissuto delle persone osservate,
rendendo i risultati immediatamente comprensibili e utili per interventi pratici.

L’approccio qualitativo, quindi, punta alla comprensione profonda della realtà sociale, dando
priorità al significato e alla rappresentazione autentica dei fenomeni, piuttosto che alla
generalizzazione e alla produzione di leggi universali.
ESERCIZI RACCOLTA E ANALISI DEI DATI

Esercizio 1

● Costruire un questionario semi strutturato tramite Google Moduli, per la rilevazione delle
opinioni degli studenti sulla soddisfazione finale dell’insegnamento di Sociologia
generale, avente i seguenti campi:
○ Cognome
○ Nome
○ Età
○ Genere
○ Provincia di residenza
○ Istituto superiore di provenienza (es. Liceo Classico, Liceo Scientifico, …)
○ Voto conseguito all’esame espresso in trentesimi
○ Difficoltà riscontrata nella preparazione all’esame (tramite scala Likert a 4
posizioni)
○ Suggerimenti per il miglioramento del corso (tramite risposta aperta)
● Riempire il dataset con circa 20 casi.
● Dal Google Fogli collegato al Google Moduli estrapolare le variabili “Provincia di
residenza”, “Istituto superiore di provenienza”, “Età”, “Difficoltà riscontrata nella
preparazione all’esame”, “Suggerimenti per il miglioramento del corso”.
● Calcolare:
○ le frequenze assolute, cumulate, relative e percentuali riferite alla variabile
“Provincia di residenza”
○ la moda riferita alla variabile “Istituto superiore di provenienza”
○ la media riferita alla variabile “Età”
○ la mediana riferita alla variabile “Difficoltà riscontrata nella preparazione
all’esame”
■ NB: Dei valori riferiti alle variabili “Età” e “Provincia di residenza”,
tramite Google Fogli, produrre gli opportuni grafici
○ i quartili e la differenza interquartile riferiti alla variabile “Difficoltà riscontrata
nella preparazione all’esame”
○ la deviazione standard riferita alla variabile “Voto conseguito all’esame”
● Tramite Google Fogli, effettuare il calcolo di regressione tra le variabili “Voto conseguito
all’esame” e “Età” e produrre il relativo scatterplot (grafico a dispersione)
● Tramite il test del chi quadrato, verificare l’indipendenza tra le variabili “Provincia di
residenza” e “Istituto superiore di provenienza”
● Tramite Iramuteq, l’analisi del contenuto del campo “Suggerimenti per il miglioramento
del corso” avente come output una nuvola di parole (Word Cloud) e un’analisi delle
similitudini.

77
Esercizio 2

Effettuare l’analisi del sentiment su Twitter, Instagram o TikTok riferito all’argomento

#università. Più specificamente, costruire una matrice casi per variabili ove imputare i dati riferiti
ai primi cinque contenuti comparsi nel proprio feed, avente come hashtag #università.
Dei rispettivi post analizzare il contenuto (positivo, negativo, neutro) e le caratteristiche riferite
all’utente (n° di retweet, n° like, n° di visualizzazioni del contenuto postato).
Avendo come riferimento le variabili sopra esposte, correlare le variabili stesse per verificarne
eventuali dipendenze e/o indipendenze.

78
Il Campionamento, l’Analisi Monovariata e l’Analisi Bivariata
Il campionamento, l’analisi monovariata e l’analisi bivariata rappresentano tre fasi fondamentali nella ricerca sociale.
Ciascuna di esse ha un ruolo chiave: il campionamento consente di selezionare un insieme rappresentativo di dati da
analizzare, l’analisi monovariata permette di descrivere in modo sintetico una variabile, mentre l’analisi bivariata
consente di esplorare relazioni tra variabili.

Il Campionamento
Il campionamento è il processo attraverso cui si seleziona un sottoinsieme (campione) da una popolazione più ampia,
con l’obiettivo di generalizzare i risultati ottenuti dallo studio del campione all’intera popolazione. Questa tecnica è
indispensabile nella ricerca sociale, in quanto consente di superare i limiti economici e temporali associati alla rilevazione
esaustiva di una popolazione.

Tipologie di campionamento
Il campionamento può essere probabilistico o non probabilistico.
• Campionamento probabilistico: ogni unità della popolazione ha una probabilità nota e non nulla di essere
inclusa nel campione. È il metodo più rigoroso e garantisce la rappresentatività del campione. Tra i principali
metodi troviamo:
- Campionamento casuale semplice: tutte le unità hanno la stessa probabilità di essere incluse. Richiede una lista
completa della popolazione e consente una stima precisa dell’errore di campionamento.
- Campionamento stratificato: suddivide la popolazione in sottogruppi omogenei (strati) rispetto a una variabile
specifica e campiona all’interno di ciascuno strato. Questo approccio migliora la precisione e riduce l’errore
di campionamento.
- Campionamento a grappoli: prevede la selezione di gruppi naturali (grappoli), come famiglie o classi scolastiche,
invece di singoli individui. Tutte le unità del grappolo vengono analizzate. È particolarmente utile quando
non si dispone di una lista dettagliata della popolazione.
- Campionamento sistematico: consiste nella selezione di unità a intervalli regolari a partire da un punto casuale. È
più semplice da realizzare rispetto al campionamento casuale semplice, ma richiede attenzione per evitare
distorsioni.
• Campionamento non probabilistico: la selezione delle unità non segue criteri casuali. Questo metodo è
meno affidabile, ma viene spesso utilizzato in ricerche esplorative o in contesti in cui non è possibile applicare
metodi probabilistici.

Errori nel campionamento

Il campionamento, se non eseguito correttamente, può essere soggetto a errori:
• Errore di copertura: alcune unità della popolazione non sono incluse nella lista di riferimento, compromettendo la
rappresentatività del campione.
• Errore di campionamento: si verifica perché il campione rappresenta solo una parte della popolazione. Questo
errore può essere stimato e ridotto adottando metodi probabilistici.
• Errore di non risposta: deriva dall’assenza di risposte da parte di alcune unità selezionate. Questo problema può
introdurre distorsioni significative, soprattutto se chi non risponde è sistematicamente diverso da chi risponde.

L’Analisi Monovariata
L’analisi monovariata si concentra su una singola variabile, descrivendone le caratteristiche principali. È una fase
essenziale dell’analisi dei dati, poiché consente di comprendere la distribuzione, individuare eventuali anomalie e
preparare i dati per analisi successive.

Caratteristiche delle variabili

Le variabili possono essere:
• Qualitative: rappresentano categorie o attributi, come il genere o lo stato civile. Non possono essere misurate
numericamente, ma solo classificate.
• Quantitative: misurano quantità numeriche e si dividono in:
- Discrete: assumono valori interi (es. numero di figli).
- Continue: possono assumere valori in un intervallo continuo (es. altezza, reddito).

Strumenti dell’analisi monovariata

L’analisi mono variata si avvale di strumenti descrittivi per sintetizzare l’informazione:
• Distribuzioni di frequenza: rappresentano il numero di occorrenze di ciascun valore o categoria. Possono essere
espresse in valori assoluti, relativi (percentuali) o cumulativi.
• Indicatori di tendenza centrale:
- Media: la somma dei valori divisa per il numero totale di osservazioni. È il principale indicatore per variabili
quantitative, ma può essere influenzata da valori estremi.
- Mediana: il valore centrale di una distribuzione ordinata. È utile per variabili quantitative e meno influenzata dai
valori estremi rispetto alla media.
- Moda: il valore più frequente in una distribuzione. Può essere utilizzata sia per variabili qualitative che quantitative.
• Indicatori di dispersione:
- Range: differenza tra il valore massimo e minimo.
- Deviazione standard: misura la variabilità dei dati rispetto alla media. Un valore elevato indica una distribuzione
più ampia.
- Varianza: è il quadrato della deviazione standard e rappresenta un indicatore della dispersione complessiva.
• Rappresentazioni grafiche: strumenti come istogrammi, diagrammi a barre, box-plot e grafici a torta aiutano a
visualizzare la distribuzione della variabile.

L’Analisi Bivariata
L’analisi bivariata studia la relazione tra due variabili, valutando se e come una variabile influisce sull’altra. Questo tipo di
analisi è cruciale per identificare legami, differenze e possibili correlazioni.

Tipologie di relazioni
• Variabili qualitative: si utilizza la tabella di contingenza, che mostra la distribuzione congiunta delle categorie di
entrambe le variabili. È utile, ad esempio, per analizzare la relazione tra genere e preferenza elettorale.
• Variabili qualitative e quantitative: si confrontano i valori medi o la distribuzione della variabile quantitativa all’interno
delle categorie della variabile qualitativa. Ad esempio, si può analizzare il reddito medio in base al livello di
istruzione.
• Variabili quantitative: si calcola la correlazione per misurare la forza e la direzione della relazione. Il coefficiente di
correlazione di Pearson è uno degli strumenti più utilizzati. Il valore del coefficiente varia da -1 a +1: un valore
positivo indica una relazione diretta, mentre uno negativo indica una relazione inversa.
La natura delle variabili determina il tipo di analisi. Se entrambe le variabili sono qualitative, si utilizza una tabella di
contingenza, che mostra la distribuzione congiunta delle categorie. Per esempio, si può analizzare il legame tra genere
e preferenza elettorale, osservando come le scelte politiche variano tra uomini e donne.

Se una variabile è qualitativa e l’altra quantitativa, si confrontano i valori medi o le distribuzioni della variabile quantitativa
all’interno delle categorie della variabile qualitativa. Ad esempio, si può esaminare il reddito medio in base al livello di
istruzione.

Quando entrambe le variabili sono quantitative, si analizza la correlazione attraverso strumenti come il coefficiente di
correlazione di Pearson, che misura la forza e la direzione del legame. Un valore positivo indica che le due variabili
aumentano insieme, mentre un valore negativo indica che una variabile diminuisce quando l’altra aumenta. È importante
ricordare che la correlazione non implica causalità.

Strumenti grafici
Il diagramma di dispersione (scatter plot) è essenziale per rappresentare graficamente la relazione tra due variabili
quantitative. Mostra la distribuzione dei punti e permette di identificare pattern, come una relazione lineare o non lineare,
e anomalie.

Interpretazione delle relazioni

Una correlazione positiva implica che l’aumento di una variabile è associato all’aumento dell’altra. Una correlazione
negativa indica che, al crescere di una variabile, l’altra diminuisce. Tuttavia, è importante sottolineare che la correlazione
non implica causalità: una relazione osservata potrebbe dipendere da fattori esterni non considerati.