Processo di ricerca empirica: fasi, passaggi ed esempio

Facciamo una prova veloce. Frase uno: «Ho notato che molte persone dormono peggio quando guardano il telegiornale la sera». Frase due: «In un sondaggio standardizzato la qualità del sonno risultava collegata al consumo serale di notizie». Le due affermano la stessa cosa. Solo la seconda può essere verificata da qualcun altro.

La differenza tra osservazione quotidiana e ricerca sta esattamente in questa verificabilità. Il processo di ricerca empirica è la sequenza ordinata di passaggi che trasforma una supposizione in un’affermazione verificabile: formuli una domanda di ricerca, ne ricavi le ipotesi, scegli un metodo di rilevazione, raccogli i dati, li prepari, li analizzi e collochi i risultati. Alla fine di questo articolo avrai uno schema da applicare direttamente al tuo lavoro.

📌 In breve

• Il processo si divide in scoperta, giustificazione e applicazione.
• Raithel (2008) articola il percorso in sette passaggi consecutivi.
• Il numero di fasi dipende dal manuale che consulti.
• Un campione ampio non crea rappresentatività, conta la selezione.
• Un risultato significativo sostiene la tua ipotesi, non la dimostra.

Contesto della scoperta, della giustificazione e dell’applicazione

Il contesto della scoperta, quello della giustificazione e quello dell’applicazione sono i tre ambiti in cui si articola ogni indagine empirica: il primo chiarisce che cosa si studia, il secondo come lo si studia, il terzo a che cosa servono i risultati.

Questa tripartizione viene dalla teoria della scienza e Jürgen Raithel la presenta in forma compatta per chi studia. Non è un piano di lavoro, ma una mappa: dice su quale terreno ti muovi quando sei davanti alla tua tesi e non capisci più se stai ancora giustificando o se stai già interpretando.

Per una tesi di laurea triennale o una tesi di laurea magistrale conta soprattutto il contesto della giustificazione, perché riempie il corpo del lavoro. Il contesto della scoperta, invece, si risolve di solito in fretta: il tuo interesse per la materia o una lacuna nella letteratura bastano come punto di partenza. Nessuno si aspetta che tu parta da un grande problema sociale. Che cosa si nasconda dietro al concetto nel suo insieme lo spiega la nostra guida alla ricerca empirica.

Il contesto della scoperta spiega perché fai la domanda. Il contesto della giustificazione decide se qualcuno crede alla risposta.

Il percorso della ricerca: i sette passaggi

Secondo Jürgen Raithel il percorso della ricerca comprende sette passaggi: obiettivo e domanda di ricerca, teoria e ipotesi, concettualizzazione, preparazione e raccolta dei dati, trattamento dei dati, analisi dei dati e infine interpretazione e disseminazione, cioè la stesura dei risultati.

Raithel ha scritto il suo modello espressamente per chi studia discipline sociali, e si vede: i passaggi sono impostati in modo che quasi ognuno possa diventare un capitolo della tesi. Sono descritti nel capitolo «Phasen des Forschungsprozesses im Überblick», alle pagine da 25 a 32.

La colonna di destra è più utile di quanto sembri. Chi si blocca nella tesi raramente commette un errore di ragionamento: quasi sempre sta lavorando a due passaggi in parallelo. Un criterio chiaro di chiusura per ogni passaggio aiuta più di qualsiasi cronoprogramma.

💡 Consiglio

Se devi documentare il tuo procedimento nel capitolo metodologico, cita il modello alla fonte: Raithel, Jürgen (2008): Quantitative Forschung. Ein Praxiskurs. 2ª edizione. VS Verlag für Sozialwissenschaften, Wiesbaden, pagine da 25 a 32. L’edizione si trova su SpringerLink.

Quante fasi ha il processo di ricerca?

Il numero di fasi del processo di ricerca dipende dal manuale e non dalla ricerca stessa: i modelli più diffusi distinguono da tre a nove sezioni, perché scompongono le stesse attività con diversi livelli di dettaglio. Cinque, sei, sette o nove fasi non sono quindi una contraddizione, ma una questione di profondità espositiva.

Uno sguardo a questa forbice rende la cosa concreta. La teoria della scienza si accontenta di tre contesti, Raithel (2008) nomina sette passaggi, e Rainer Schnell, Paul B. Hill ed Elke Esser articolano il percorso in modo ancora diverso in «Methoden der empirischen Sozialforschung», un’opera di riferimento in lingua tedesca. Nessuna delle tre suddivisioni è più corretta delle altre.

Per la tua tesi ne discendono due cose. Scegli un modello, cita la fonte e mantieni quello, perché un capitolo metodologico che salta da un modello di fasi all’altro trasmette insicurezza. E non lasciarti confondere da un numero diverso se il relatore o la relatrice preferisce un altro manuale. Una breve domanda su quale modello sia consueto nella tua disciplina ti fa risparmiare molto tempo.

Un limite sfugge quasi a tutte le presentazioni: il percorso non è a senso unico. Nella pratica torni indietro perché il pretest boccia una domanda o perché in fase di analisi ti manca una variabile. L’ordine descrive la logica della tua argomentazione, non il tuo calendario.

Dalla domanda di ricerca alla raccolta dei dati: passaggi da 1 a 4

I primi quattro passaggi decidono la qualità del tuo lavoro, anche se al loro interno non compare ancora un solo numero. Chi qui va di fretta se ne accorge solo in fase di analisi, e a quel punto la rilevazione è chiusa e non si può ripetere.

I quattro passaggi sono strettamente legati: dalla domanda di ricerca nasce l’ipotesi, dall’ipotesi nascono le variabili, dalle variabili nasce il questionario. Se cambi qualcosa in un punto, ricontrolla anche gli altri tre.

Passaggio 1: fissare obiettivo e domanda di ricerca

All’inizio c’è la decisione su che cosa vuoi scoprire. Delimita il tema finché la domanda sta in una frase e stabilisci quale scopo ha la tua indagine: esplorare un campo poco studiato, descrivere una situazione o spiegare una relazione. Questa scelta determina poi l’analisi. Come ricavarne una domanda solida lo vedi nella guida su come formulare la domanda di ricerca, mentre i quattro tipi di obiettivo li trovi in esplorativo, descrittivo, esplicativo e causale.

Passaggio 2: leggere la teoria e formulare le ipotesi

Le ipotesi sono supposizioni su una relazione tra almeno due variabili e non nascono a intuito, ma dalla teoria. Leggi quindi lo stato della ricerca e cerca modelli che spieghino già il tuo oggetto di studio. Un’ipotesi utilizzabile nomina entrambe le variabili e la direzione della relazione. «Un consumo frequente di notizie si accompagna a una peggiore qualità del sonno» è verificabile. «I media influenzano le persone» non lo è.

Passaggio 3: concettualizzazione, operazionalizzazione e pretest

La concettualizzazione traduce la tua ipotesi in qualcosa di misurabile. Prima stabilisci quali variabili ti servono e come le rilevi, e questo si chiama operazionalizzazione (= la traduzione di un concetto in una regola di misura concreta). Poi costruisci lo strumento, di solito un questionario, definisci il campione e pianifichi il periodo. Alla fine arriva il pretest: fai compilare la bozza a poche persone del tuo gruppo target e correggi ciò su cui si sono bloccate.

Passaggio 4: preparare la rilevazione e raccogliere i dati

Con la raccolta dei dati inizia la parte che non puoi più annullare. Chiarisci in anticipo il consenso di chi partecipa, fissa un periodo di rilevazione chiuso e valuta con quali canali raggiungi davvero il gruppo target. In un sondaggio online invii il link, in un’intervista a persone esperte conduci i colloqui. Come arrivare a un numero sufficiente di risposte lo spieghiamo nell’articolo su come trovare partecipanti per il tuo sondaggio online.

Dai dati grezzi al rapporto finale: passaggi da 5 a 7

Gli ultimi tre passaggi trasformano una tabella piena di risposte in un’affermazione. Sono la parte che la commissione legge con più attenzione, perché qui si vede se hai capito i tuoi dati.

Metti in conto più tempo di quanto suggerisca la loro estensione. L’analisi dura di solito più della rilevazione e, a differenza del questionario, non esiste un modello che ti risparmi il lavoro di pensare.

Passaggio 5: preparare e ripulire i dati

I dati grezzi non sono mai pronti per l’analisi. Prima porti le risposte in una matrice dei dati, cioè una tabella con una riga per persona e una colonna per variabile, e le trasferisci nel tuo programma di analisi. Poi controlli la matrice cercando errori evidenti ed elimini i casi incompleti o compilati palesemente a caso. Decisiva è la motivazione: chi elimina casi perché contraddicono la propria ipotesi falsa il risultato. Quali criteri di qualità stiano dietro lo spieghiamo in oggettività, attendibilità e validità.

Passaggio 6: analizzare i dati

Il metodo di analisi discende dal tipo di dati. I dati quantitativi si analizzano con frequenze, medie, misure di associazione e, a seconda della domanda, con test di significatività; quelli qualitativi con analisi del contenuto e codifiche. Di norma si usa un livello di significatività del 5 per cento, scritto come alfa uguale a 0,05. Le differenze tra le due strade le descriviamo in metodi di ricerca qualitativi e quantitativi, le procedure concrete in metodi di analisi.

Passaggio 7: interpretare i risultati e metterli per iscritto

L’interpretazione risponde alla tua domanda di ricerca e colloca l’esito nello stato della ricerca. Distingui con chiarezza tra ciò che i dati mostrano e ciò che tu ne deduci. L’interpretazione deve includere necessariamente i limiti della tua indagine: ampiezza del campione, procedura di selezione, autovalutazione di chi risponde. Disseminazione significa poi la diffusione dei risultati, in una tesi semplicemente il testo finito con conclusione e prospettive.

Un esempio: come si svolge una tesi empirica

Il percorso diventa chiaro più in fretta se lo si ripercorre una volta su un tema concreto. L’esempio scelto qui è una tesi di laurea triennale sulla relazione tra consumo di notizie e benessere, perché su di essa si vedono tutti e sette i passaggi.

Una premessa, per evitare fraintendimenti: quello che segue è uno schema di svolgimento, non uno studio realizzato. I risultati restano volutamente aperti, perché senza una rilevazione reale non dimostrerebbero nulla.

La preparazione nell’esempio: domanda, ipotesi e questionario

Quattro dei sette passaggi stanno prima della prima risposta, ed è proprio lì che si decide se l’analisi successiva darà qualcosa.

1. Obiettivo e domanda di ricerca. La domanda è: la frequenza del consumo di notizie è collegata al benessere autovalutato? L’obiettivo è esplicativo, si tratta quindi di una relazione e non di una semplice descrizione.
2. Teoria e ipotesi. La teoria della coltivazione di George Gerbner, che ha coniato il concetto di «mean world syndrome», può servire da cornice teorica. L’ipotesi è: un consumo frequente di notizie si accompagna a un benessere autovalutato più basso.
3. Concettualizzazione. La rilevazione avviene con un sondaggio online standardizzato. Le variabili sono il consumo di notizie, il benessere e alcune caratteristiche sociodemografiche. Il gruppo target sono persone adulte in Italia, il campione nasce da un campionamento di convenienza. Dopo il pretest le domande sul benessere passano all’inizio, per non essere influenzate da quelle sull’uso dei media.
4. Raccolta dei dati. Il periodo di rilevazione dura quattro settimane e il link circola tramite mailing list universitarie e gruppi tematici. Chi pianifica un sondaggio per la tesi di laurea dovrebbe prevedere tempi ampi per questo passaggio, perché le risposte arrivano di rado in fretta quanto si spera.

L’analisi nell’esempio: dai dati grezzi alla conclusione

Da qui in poi lavori solo con le risposte che sono davvero arrivate. Non è più possibile procurarsi nuovi dati, ed è esattamente per questo che la preparazione conta tanto.

1. Trattamento dei dati. Le risposte vengono trasferite in una matrice dei dati e codificate. Gli abbandoni e i casi con un tempo di compilazione molto breve vengono esclusi secondo regole fissate in anticipo, non a sensazione.
2. Analisi dei dati. Prima arrivano frequenze e medie per entrambe le variabili, poi una misura di associazione e un test di significatività adeguato. Se emerga o meno una relazione resta aperto, ed è proprio questo il punto: un’ipotesi il cui esito è già noto non ha bisogno di essere verificata.
3. Interpretazione e disseminazione. L’esito viene collocato nello stato della ricerca e i limiti vengono nominati: campionamento di convenienza, autovalutazione e un disegno trasversale che non dice nulla su causa ed effetto. Le prospettive indicano che cosa potrebbe fare meglio uno studio successivo.

Errori tipici nel processo di ricerca

La maggior parte dei problemi nelle tesi non nasce dalla statistica, ma molto prima. Cinque errori compaiono con tale regolarità che vale la pena fare un breve controllo prima della rilevazione.

I cinque errori hanno una cosa in comune: si possono correggere tutti prima della raccolta dei dati e quasi mai dopo. È la cattiva e insieme la buona notizia.

Errore 1: il metodo è deciso prima della domanda di ricerca

Un metodo scelto troppo presto restringe la domanda invece di servirla. Chi si propone di fare «qualcosa con le interviste» riformula poi la domanda di ricerca in modo che le interviste risultino adatte. L’ordine inverso è più sensato: prima è chiaro che cosa vuoi sapere, poi ne discende con quale strumento rilevarlo. Nel capitolo metodologico dovrai comunque motivare questa scelta, e «mi incuriosiva» non regge come motivazione.

Errore 2: un campione ampio viene considerato rappresentativo

Un campione più ampio rende i risultati più precisi, ma non automaticamente rappresentativi. Si legge spesso che la rappresentatività cresce con il numero di partecipanti. Non è così, perché decisivo è il modo in cui il campione si è formato.

L’American Association for Public Opinion Research avverte nel suo rapporto sui campioni non probabilistici (2013) che non si può affermare la rappresentatività quando le persone non sono state selezionate in modo casuale, per esempio nei panel ad adesione volontaria o nei campionamenti di convenienza, e chiarisce che un numero maggiore di casi non compensa la mancanza di selezione casuale. Per una tesi questo è un sollievo: ci si aspetta una selezione ben motivata, non uno studio rappresentativo della popolazione. Quali criteri valgano davvero sta nel nostro articolo sul sondaggio rappresentativo, e il rapporto, in lingua inglese, è disponibile come PDF su AAPOR.

Errore 3: un risultato significativo viene preso per una prova

Un risultato statisticamente significativo sostiene la tua ipotesi, non la dimostra. Il valore p indica quanto bene i dati si adattano a un modello ipotizzato, e non quanto sia probabile che l’ipotesi studiata sia vera. L’American Statistical Association lo ha fissato nel 2016 in sei principi.

Formula quindi con prudenza. La frase «la relazione è statisticamente significativa» è corretta. La frase «l’ipotesi è dimostrata» non lo è. E un dettaglio su cui spesso si sbaglia: il livello di significatività abituale è del 5 per cento, cioè alfa uguale a 0,05, e non dello 0,05 per cento. I sei principi sono disponibili come PDF sul sito dell’American Statistical Association.

Errore 4: le categorie di risposta si sovrappongono

Le fasce di risposta che si sovrappongono rendono una domanda inutilizzabile. Chi nella domanda sul consumo quotidiano di notizie propone le fasce da 0 a 2, da 2 a 4 e da 4 a 6 ore costringe ogni persona con esattamente due ore a decidere a caso. Sono corrette le fasce senza sovrapposizioni e senza buchi, per esempio meno di 2 ore, da 2 a meno di 4 ore e 4 ore o più. Lo stesso errore capita con le fasce di età, e quasi sempre emerge solo in fase di analisi.

Errore 5: mancano i limiti del proprio lavoro

Un capitolo di risultati senza limitazioni non appare sicuro, ma sbrigativo. Ogni indagine studentesca ha dei limiti, e nominarli non costa punti, anzi ne fa guadagnare. Indica in concreto che cosa riduce la portata: la procedura di selezione, l’ampiezza del campione, l’autovalutazione di chi risponde, un disegno trasversale che non permette affermazioni su causa ed effetto. Chi conosce i propri limiti dimostra di avere capito il metodo.

Fonti e letture di approfondimento

Le fonti che seguono sostengono le affermazioni di questo articolo e servono allo stesso tempo come riferimenti per il tuo capitolo metodologico.

• Raithel, Jürgen (2008): Quantitative Forschung. Ein Praxiskurs. 2ª edizione. VS Verlag für Sozialwissenschaften, Wiesbaden. Manuale in lingua tedesca, capitolo «Phasen des Forschungsprozesses im Überblick», pagine da 25 a 32.
• Friedrichs, Jürgen (1990): Methoden empirischer Sozialforschung. 14ª edizione. Opera in lingua tedesca, fondamentale per la distinzione tra contesto della scoperta, della giustificazione e dell’applicazione.
• Schnell, Rainer; Hill, Paul B.; Esser, Elke (2013): Methoden der empirischen Sozialforschung. Opera di riferimento in lingua tedesca con un proprio modello di fasi.
• American Association for Public Opinion Research (2013): Report of the AAPOR Task Force on Non-Probability Sampling. In lingua inglese.
• American Statistical Association (2016): Statement on Statistical Significance and P-Values. In lingua inglese.

Conclusione

Il processo di ricerca empirica è meno un metodo che una successione di decisioni che devi poter motivare in qualsiasi momento. Se domanda di ricerca, ipotesi, variabili e analisi si incastrano in modo pulito, la tua tesi è buona anche quando l’esito risulta poco spettacolare. Viene valutato il procedimento, non il risultato.

Come proseguire

• Vuoi rivedere le basi? Ricerca empirica: definizione, metodi e guida
• Cerchi il metodo di rilevazione adatto? Metodi di ricerca qualitativi e quantitativi
• Lavori nelle scienze sociali? Ricerca sociale empirica: definizione e metodi
• Sei già alle prese con i dati? Metodi di analisi nella ricerca empirica

Ti mancano ancora i dati per il contesto della giustificazione?

Con empirio.ai, uno strumento di sondaggi online tedesco, crei il tuo questionario gratis, lo condividi come link e vedi le risposte già analizzate.

Crea un sondaggio