seminario di metodologia della ricerca psicologica n.
Download
Skip this Video
Loading SlideShow in 5 Seconds..
Seminario di Metodologia della Ricerca Psicologica PowerPoint Presentation
Download Presentation
Seminario di Metodologia della Ricerca Psicologica

Loading in 2 Seconds...

play fullscreen
1 / 91

Seminario di Metodologia della Ricerca Psicologica - PowerPoint PPT Presentation


  • 147 Views
  • Uploaded on

Seminario di Metodologia della Ricerca Psicologica. MARIAGRAZIA BENASSI ROBERTO BOLZANI SARA GIOVAGNOLI. Magritte, Age of Reason. Metodologia della Ricerca.

loader
I am the owner, or an agent authorized to act on behalf of the owner, of the copyrighted work described.
capcha
Download Presentation

Seminario di Metodologia della Ricerca Psicologica


An Image/Link below is provided (as is) to download presentation

Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author.While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server.


- - - - - - - - - - - - - - - - - - - - - - - - - - E N D - - - - - - - - - - - - - - - - - - - - - - - - - -
    Presentation Transcript
    1. Seminario di Metodologia della Ricerca Psicologica MARIAGRAZIA BENASSI ROBERTO BOLZANI SARA GIOVAGNOLI Magritte, Age of Reason

    2. Metodologia della Ricerca • Non indica semplicemente i metodi e le tecniche da utilizzare nella ricerca ma l’attività critica che si applica ai diversi prodotti della ricerca (Boudon, 1991) • Aspetto normativo della metodologia: l’importanza di fare buone ricerche

    3. Ricerca scientifica • Scopo: generare e controllare teorie metodologicamente corrette • Aderenza alla realtà empirica di riferimento • Riduzione dei costi e degli errori

    4. Programma del corso I PARTE (3cfu) Elementi di statistica inferenziale • Misura: Tipi di variabili e scale di misurazione • Procedura della statistica inferenziale • Logica del test statistico • Errori nell'interpretazione dei risultati del test statistico • Disegni di ricerca • Metodi di campionamento • Fallacia nel campionamento • Affidabilità e validità

    5. Programma del corso II Parte (+3 cfu) Procedure statistiche avanzate 1. Analisi della correlazione2. Analisi fattoriale3. Analisi discriminante e cluster analysis4. Modelli non parametrici5. Metanalisi

    6. Modalità d’esame Orale • 3 cfu I Parte • 6 cfu I + II Parte

    7. Bibliografia • I Parte: • Bolzani R., Canestrari R. (1994) Logica del test statistico. Milano, Casa Editrice Ambrosiana. (Cap. 2) • Bolzani R. (1999) Problemi di statistica. Milano, Casa Editrice Ambrosiana. (Cap. 2) • Bolzani R. Benassi M (2003)Tecniche Psicometriche. Roma, Carocci Editore (Cap. 1) • McBurney DH (1986) Metodologia della ricerca psicologica. Bologna, Il Mulino. (Cap. da 3 a 10) • Mucciarelli G, Celani G (a cura di) (2002) Quando il Pensiero Sbaglia. Torino, Utet Libreria (Cap. 3, 4, 5) • II Parte: • Bolzani R., Canestrari R. (1994) Logica del test statistico. Milano, Casa Editrice Ambrosiana. (Cap. 5) • Bolzani R. (1999) Problemi di statistica. Milano, Casa Editrice Ambrosiana. (Cap. 4, 5) • Bolzani R. Benassi M (2003)Tecniche Psicometriche. Roma, Carocci Editore (Cap. 7, 8)

    8. Strumenti • Diapositive e esercizi sul sito di Psice-Pagine Insegnamenti • Lezioni e esercitazioni on-line disponibili sulla piattaforma A3

    9. Piattaforma A3 • Registrazione atutor.psice.unibo.it/registrazione/ Id: PsicologiaFreq Password:poqevipe36 • Mail e matricola • http://atutor.psice.unibo.it

    10. Piattaforma A3 • Moduli didattici e esercitazioni • Chat (orari di ricevimento CESENA) • Forum

    11. Verifiche • Pre-appelli per frequentanti (1 per ogni parte per 1cfu): durante il corso (15 Marzo; 5 Aprile) • Appelli ufficiali (esame orale)

    12. PRE-REQUISITI • Logica della dimostrazione sperimentale • Distribuzioni di Probabilità • Test parametrici e non parametrici

    13. Note sulla teoria della Misura in Psicologia Definizione di Misura: misurare significa attribuire agli elementi di un insieme le caratteristiche di un sistema di riferimento tali per cui queste caratteristiche siano rappresentative rispetto alle caratteristiche dell’insieme di partenza

    14. Per definire il rapporto (funzione di omeomorfismo) fra l’insieme misurato e il sistema di riferimento occorre che sia definibile: • Il sistema relazionale empirico (oggetto) • Il sistema relazionale di riferimento (strumento)

    15. le relazioni fra gli elementi dell’insieme misurato sono riprodotte (omeomorfe) dagli elementi dell’insieme misurante • permette di fare operazioni fra gli elementi dell’insieme e quindi di meglio comprendere le caratteristiche delle parti rispetto all’insieme stesso • permette di condividere e quindi confrontare le informazioni di insiemi diversi in base a un linguaggio comune

    16. CRITICITA’: • Precisione dello strumento • Determinazione dell’Oggetto • Generalizzazione

    17. Precisione dello strumento • Non c’è mai corrispondenza perfetta fra i due sistemi (misurante-misurato) • Lo strumento di misura deve essere in grado di dare anche una stima dell’errore di misura • La stima viene data attraverso l’intervallo di tolleranza che è definibile solo se sono definiti i metodi di misurazione e se la misura è empirica

    18. Statistica inferenzialeFalsificazione Ho • INTERVALLO DI CONFIDENZA: • rappresenta la zona attorno al parametro stimato entro cui ci aspettiamo, con una probabilità 1‑, di trovare il parametro relativo a un nuovo campione. • Ha la stessa estensione dell'intervallo attorno all'ipotesi nulla. • Se nell'intervallo di confidenza cade il valore di H0 non si può respingere l'ipotesi nulla.

    19. Statistica inferenzialeFalsificazione Ho • INTERVALLO DI TOLLERANZA: • rappresenta la zona attorno al parametro stimato entro cui ci aspettiamo, con una probabilità 1‑, che cada un nuovo caso.

    20. Determinazione dell’oggetto • Semplicità della teoria • Conformità alle leggi o alle regolarità della natura • Semplicità come Falsificabilità • Universalità della teoria • Parsimonia

    21. Generalizzazione • Scopo della misura • Punto di partenza e di arrivo di ogni misurazione

    22. SCALE DI MISURA Classificazione Stevensiana: • sistema di riferimento: sistema dei numeri reali R • Va da una classe più semplice a una classe più complessa

    23. SCALE DI MISURA Classificazione Stevensiana • Scale nominali • Scale ordinali • Scale intervalli • Scale rapporto

    24. Scale Nominali • la relazione fra gli eventi è la categorizzazione • le categorie sono distinte in base alla sola operazione di uguaglianza o differenza • La proprietà dei R corrispondente è la cardinalità • Gli eventi sono raggruppabili in classi mutualmente esclusive • Le operazioni statistiche possibili sono il calcolo delle frequenze, test non parametrici. • I parametri descrittivi tipici sono moda e mediana

    25. Scale Ordinali • Gli elementi dell’insieme sono oltre che sottoposti a categorizzazione anche ordinati gerarchicamente seguendo una relazione di asimmetria • i numeri sono disposti in modo tale da riflettere l’ordine di graduatoria degli elementi • Non è possibile quantificare la distanza fra gli elementi • La proprietà dei R corrispondente è l’ordinalità • Le operazioni statistiche possibili sono il calcolo delle frequenze, test non parametrici • I parametri descrittivi tipici sono moda e mediana

    26. Scale Intervalli • alle caratteristiche delle prime due scale si aggiunge anche la definizione della distanza fra ogni elemento dell’insieme • costanza degli intervalli fra le diverse classi • non viene definito lo zero assoluto • Con queste scale sono possibili solo le operazioni di somma e sottrazione • Test statistici parametrici • I parametri descrittivi tipici sono media e varianza

    27. Scale Rapporto • oltre ad esserci una costanza fra le classi è anche definito un valore di zero assoluto non arbitrario • applicabili le operazioni matematiche di moltiplicazione e divisione • Test statistici parametrici • I parametri descrittivi tipici sono media e varianza

    28. SCALE DI MISURA Critiche alla classificazione stevensiana: • non comprende tutte le possibili classi di eventi. • Rigidità nell’accostamento scala-statistica

    29. Variabili • Eventi empirici oggetto della misura • Possono essere parte di categorie e assumere diversi valori

    30. VARIABILI CRITICITA’ • Aderenza fra sistema numerico e sistema empirico • Metodo di misurazione sintetico o analitico

    31. TIPI DI VARIABILI Classificazione in base al ruolo nel disegno sperimentale • Relazione causale • Variabile dipendente • Fattore • Variabile confondente

    32. TIPI DI VARIABILI Classificazione in base alle caratteristiche • Variabili qualitative • Variabili quantitative Classificazione in base alla distribuzione • Variabili gaussiane • Varibili non gaussiane

    33. VARIABILI E SCALE DI MISURA • OPERAZIONI STATISTICHE POSSIBILI – Scelta è dettata da: • dal disegno sperimentale • dall’ipotesi sperimentale • dal tipo di variabili

    34. VARIABILI E SCALE DI MISURA • OPERAZIONI STATISTICHE POSSIBILI – Dal disegno sperimentale • Multivariato • Univariato • …

    35. VARIABILI E SCALE DI MISURA • OPERAZIONI STATISTICHE POSSIBILI – Dall’ipotesi sperimentale • Inferenza (rapporti di causa-effetto generalizzabili) • Descrizione (esplorazione di un fenomeno di diversa complessità)

    36. VARIABILI E SCALE DI MISURA • OPERAZIONI STATISTICHE POSSIBILI – Dal tipo di variabili • Se a distribuzione gaussiana allora test parametrici • Se a distribuzione non gaussiana allora test non parametrici

    37. VARIABILI E SCALE DI MISURA • OPERAZIONI STATISTICHE POSSIBILI – Criticità: • criteri decisionali rigidi • ambiguità della situazione Soluzioni: - motivazioni del criterio

    38. Statistica Descrittiva • La statistica DESCRITTIVA rappresenta sinteticamente i diversi valori relativi ai soggetti di un determinato gruppo (media, frequenza, percentuale etc.) • Oggetto: riguarda esclusivamente i soggetti esaminati • Processo: il processo sulla quale è basata va dalla raccolta dei dati alla descrizione alla successiva formulazione di un’idea da verificare • Misura: i test statistici sono di tipo esplorativo: utilizzano modelli matematici molto raffinati ma non hanno valore dimostrativo. I parametri che utilizzano non sono basati sul calcolo probabilistico.

    39. Statistica Inferenziale • Oggetto: l'esistenza di relazioni fra una generica variabile dipendente e un insieme di variabili indipendenti (fattori) • Processo: procede secondo una sequenza di operazioni ben definita e rigida • Logica di tipo falsificazionista • Misura: calcolo probabilistico R. Fisher, 1890-1962

    40. Inferenza: regole RELAZIONE FRA FATTORI E VARIABILE DIPENDENTE IPOTESI E TEST STATISTICO SEGUONO UNA LOGICA DI TIPO CAUSA-EFFETTO TUTTAVIA: • I RISULTATI NON SONO VINCOLATI DA QUESTA LOGICA • LE CONCLUSIONI NON VENGONO ACCETTATE SE SOSTENGONO UNA LOGICA CAUSA-EFFETTO

    41. Inferenza: regole ESEMPIO 1: INDAGINE SULLA RELAZIONE FRA ALCOOLISMO E CIRROSI EPATICA ESEMPIO 2: INDAGINE SULLA RELAZIONE FRA ETA’ E CAPACITA’ MNEMONICHE

    42. Inferenza: regole Metodologia: teoria delle regole alla base del processo euristico Motivazioni dell’esplicitazione delle regole: • Ragioni epistemologiche • Ragioni etiche • Ragioni politiche *** KR Popper (1934) La logica della scoperta scientifica, cap 2. Einaudi (1998)

    43. Inferenza: regole RIGIDITA’ DEL PROCESSO DIMOSTRATIVO Regole di metodo come convenzioni • Controllo • Corroborazione • Replicabilità • Revisione

    44. Inferenza: regole Controllo • Coerenza interna (confronto logico delle conclusioni) • Indagine sulla forma logica (teoria empirica, scientifica o tautologica) • Confronto con altre teorie • Confronto mediante le applicazioni empiriche

    45. Inferenza: regole L’oggettività della scienza sta nell’intersoggettività delle asserzioni della scienza stessa.

    46. Inferenza: regole

    47. Inferenza: regole (1) Formulazione Idea sperimentale (H1): generale e falsificabile ipotesi di differenza

    48. Inferenza: regole (2) Formulazione di H0da falsificare complementare a H1 ipotesi di uguaglianza

    49. Inferenza: regole (3) Raccolta del Campione Idoneo a confermare l'idea Rappresentativo dell'intera popolazione (casuale, sufficientemente ampio) Conforme alle richieste del test che si intende utilizzare (distribuzione, indipendenza)

    50. Inferenza: regole (4) Applicazione del TEST STATISTICO indipendenza riferimento alle distribuzioni teoriche (continuità, normalità ..) in grado di falsificare tipi determinati di ipotesi nulle