Skip to content
Torna ai risultati

Design Ex Post Facto — Ricerca Post-Evento

Introdotto da
Formalized by Fred N. Kerlinger; foundational treatment by Donald T. Campbell and Julian C. Stanley
Anno
1960s (systematic codification); concept used in social science from early 20th century
Tipo
Non-experimental quantitative research design
Famiglia
Survey / observational design

Questo testo è una traduzione automatica e non è ancora stato revisionato. Leggi l’originale in inglese

Dimensione del carattere

A cosa serve?

Il disegno ex post facto è un approccio di ricerca quantitativa non sperimentale in cui il ricercatore indaga un fenomeno dopo che si è già verificato, esaminando differenze preesistenti tra i gruppi per esplorare potenziali relazioni causali o associative.

Poiché la variabile indipendente non può essere manipolata — è accaduta nel passato — il disegno si basa su un'attenta selezione dei gruppi, sulla raccolta di dati retrospettivi e su controlli statistici per approssimare l'inferenza causale senza intervento sperimentale.

L’intuizione alla base del metodo

Supponiamo di voler studiare come le abitudini di lettura infantili influenzino l'alfabetizzazione adulta. Non è possibile assegnare casualmente i bambini a condizioni di lettura nel passato. Invece, si identificano gli adulti che hanno letto molto da bambini e quelli che non l'hanno fatto, quindi si confrontano i loro attuali punteggi di alfabetizzazione. Questa è la logica ex post facto: si osserva un risultato che è già accaduto e si lavora a ritroso per esaminare i suoi presunti antecedenti. Il disegno è potente per studiare fenomeni che non possono essere indotti sperimentalmente — come l'esposizione a malattie, la storia educativa o eventi di vita — ma l'impossibilità di randomizzare significa che le affermazioni causali devono sempre essere interpretate con cautela.

Storia

Il termine 'ex post facto' (latino: 'dal fatto compiuto') fu applicato alla metodologia della ricerca nelle scienze sociali in modo più influente da Fred N. Kerlinger nel suo libro di testo del 1964 Foundations of Behavioral Research, dove lo definì come un'indagine empirica sistematica in cui lo scienziato non ha controllo diretto sulle variabili indipendenti perché le loro manifestazioni si sono già verificate. La monografia di Donald T. Campbell e Julian C. Stanley del 1963 sui disegni sperimentali e quasi-sperimentali fornì il quadro per valutare le minacce alla validità interna che continuano a guidare l'interpretazione dei risultati ex post facto. Il disegno è da tempo centrale in epidemiologia e ricerca educativa, dove la manipolazione sperimentale delle variabili chiave è impossibile.

Quando usarlo

Utilizzare il disegno ex post facto quando la variabile indipendente si è già verificata e non può essere manipolata eticamente o praticamente — come traumi passati, esposizione a malattie, livello di istruzione o caratteristiche demografiche. È il disegno appropriato quando il controllo sperimentale vero è impossibile ma è necessaria una comparazione quantitativa tra gruppi. Si adatta a domande retrospettive in educazione, salute, sociologia e psicologia. Non usarlo quando uno studio controllato randomizzato o un disegno quasi-sperimentale è fattibile, poiché tali disegni forniscono prove causali più forti. Evitarlo quando la fonte di dati retrospettivi è di bassa qualità o quando i gruppi non possono essere definiti con ragionevole precisione, poiché queste condizioni limitano gravemente l'interpretazione.

Limiti e considerazioni

  • L'assenza di randomizzazione significa che le variabili confondenti non possono essere completamente escluse, rendendo le conclusioni causali tentative.
  • Il ricercatore non può controllare la variabile indipendente, quindi i gruppi possono differire per caratteristiche non misurate che spiegano l'esito.
  • I dati retrospettivi sono vulnerabili a bias di richiamo, registri mancanti e incoerenza di misurazione nel tempo.
  • La direzione della causalità può essere ambigua — la presunta causa e l'effetto possono essere invertiti, o entrambi possono essere guidati da una terza variabile.
  • I controlli statistici (ANCOVA, matching) riducono ma non eliminano il confondimento; nessuna tecnica post-hoc sostituisce la vera randomizzazione.

Le condizioni della fonte non sostituiscono una revisione scientifica indipendente né la validazione da parte di un motore di analisi.

Punti di forza

  • Consente lo studio di variabili che non possono essere manipolate eticamente o praticamente, comprese esperienze passate, esposizioni sanitarie e fattori demografici.
  • Utilizza dati esistenti o d'archivio, rendendolo economicamente vantaggioso e fattibile per studiare eventi rari o grandi popolazioni.
  • Preserva la validità ecologica — la variabile indipendente riflette le condizioni del mondo reale piuttosto che ambientazioni di laboratorio artificiali.
  • Genera ipotesi e stime di associazione che possono informare la progettazione di futuri studi prospettici o sperimentali.
  • Adatto per identificare fattori di rischio e condizioni protettive in epidemiologia, educazione e ricerca sulle politiche sociali.

Applicazioni

  • Confrontare il rendimento accademico tra studenti che hanno frequentato la scuola materna e quelli che non l'hanno fatto, utilizzando dati di registro scolastico.
  • Esaminare se una storia di avversità infantile sia associata a esiti di salute mentale adulta in una popolazione clinica.
  • Indagare le differenze nella salute cardiovascolare tra fumatori a lungo termine e non fumatori in un'indagine sulla salute comunitaria.
  • Analizzare se gli insegnanti che hanno ricevuto uno specifico programma di formazione pre-servizio mostrino comportamenti diversi di gestione della classe rispetto a quelli che non l'hanno fatto.
  • Studiare se la partecipazione ad attività extracurriculari nella scuola secondaria predice i tassi di ritenzione universitaria.
  • Esplorare esiti di salute occupazionale tra lavoratori esposti vs. non esposti a una sostanza chimica sul posto di lavoro prima delle modifiche normative.

Come funziona

Come funziona

1

Il ricercatore identifica un esito di interesse (la variabile dipendente) e una presunta condizione o caratteristica antecedente (la variabile indipendente) che si è già verificata nel mondo reale. La domanda di ricerca assume tipicamente la forma: i gruppi che differiscono per una caratteristica passata differiscono anche sistematicamente per l'esito presente?

2

I partecipanti sono assegnati ai gruppi in base al loro stato naturale sulla variabile indipendente — ad esempio, fumatori vs. non fumatori, o laureati universitari vs. diplomati. Questa classificazione è retrospettiva: il ricercatore seleziona o classifica i partecipanti dopo che l'esperienza definente si è verificata. Il matching su variabili demografiche chiave può migliorare la comparabilità dei gruppi.

3

Vengono raccolti dati sia sulla variabile indipendente (spesso valutata tramite registri, auto-segnalazione o documenti d'archivio) sia sulla variabile dipendente (misurata al momento dello studio). Database esistenti, registri istituzionali, registri di coorte e sondaggi retrospettivi sono fonti comuni. La qualità dei dati retrospettivi è una preoccupazione metodologica critica.

4

Poiché manca la randomizzazione, il ricercatore deve identificare e controllare statisticamente plausibili variabili confondenti. Le tecniche includono l'analisi della covarianza (ANCOVA), la regressione multipla, il propensity score matching e le analisi stratificate. Nessuna procedura statistica replica completamente l'assegnazione casuale, ma il controllo esplicito dei confondenti migliora l'interpretabilità.

5

Le differenze di gruppo sull'esito vengono testate utilizzando statistiche inferenziali appropriate — t-test per campioni indipendenti, ANOVA, test chi-quadro o modelli di regressione a seconda del livello di misurazione delle variabili. Le dimensioni dell'effetto (d di Cohen, eta-quadro, odds ratio) dovrebbero essere riportate insieme ai valori di significatività.

6

I risultati vengono interpretati con un esplicito riconoscimento della natura non sperimentale del disegno. Le affermazioni causali direzionali richiedono giustificazioni aggiuntive — precedenza temporale della variabile indipendente, plausibilità biologica o teorica e esclusione di spiegazioni alternative. Il ricercatore distingue chiaramente tra associazione e causalità.

Errori comuni

  • Affermare la causalità dall'associazione — i risultati ex post facto stabiliscono che i gruppi differiscono, non che una condizione abbia causato l'altra; usare linguaggio come 'associato a' o 'predetto da' piuttosto che 'causato da'.
  • Ignorare il bias di selezione — i gruppi definiti retrospettivamente differiscono spesso per molteplici caratteristiche; la mancata misurazione e il controllo di queste portano a conclusioni spurie.
  • Scarsa misurazione retrospettiva — fare affidamento sulla memoria dei partecipanti per eventi accaduti anni prima introduce errore sistematico; corroborare con registri d'archivio o oggettivi ove possibile.
  • Trascurare la dimensione dell'effetto — una differenza di gruppo statisticamente significativa in un campione ampio può essere trivialmente piccola in termini pratici; riportare e interpretare sempre la dimensione dell'effetto insieme ai valori p.
  • Trattare il disegno come equivalente a un quasi-esperimento — senza raccolta di dati prospettici e una condizione di confronto chiaramente definita stabilita prima dell'esito, i disegni ex post facto hanno una logica causale più debole rispetto ai disegni quasi-sperimentali.

Domande frequenti

Il disegno ex post facto è la stessa della ricerca causale-comparativa?

I termini sono spesso usati in modo intercambiabile nella letteratura delle scienze sociali ed educative. Entrambi comportano il confronto di gruppi preesistenti su un esito di interesse. Alcuni metodologi considerano la ricerca causale-comparativa come una categoria più ampia che include studi ex post facto, mentre altri usano i termini in modo sinonimo. La caratteristica chiave condivisa è che la variabile indipendente si è già verificata e non può essere manipolata dal ricercatore.

I risultati ex post facto possono stabilire la causalità?

Non da soli. Per supportare un'interpretazione causale, devono essere soddisfatte tre condizioni: precedenza temporale (la presunta causa precede l'effetto), covariazione (i gruppi differiscono effettivamente sull'esito) ed eliminazione di alternative plausibili (le variabili confondenti sono considerate). I disegni ex post facto possono soddisfare le prime due condizioni se la qualità dei dati retrospettivi è elevata, ma la terza condizione è sempre limitata senza randomizzazione.

In che modo il disegno ex post facto è diverso da uno studio di coorte retrospettivo?

In uno studio di coorte retrospettivo, i ricercatori identificano una coorte definita esposta a una condizione nel passato e la seguono in avanti verso un esito, utilizzando registri storici. Il disegno ex post facto è simile nella logica ma più comunemente utilizzato in contesti educativi e sociali, spesso senza un quadro formale di coorte. La distinzione è principalmente disciplinare; le considerazioni sulla validità sono in gran parte le stesse.

Quali metodi statistici vengono tipicamente utilizzati?

I confronti tra gruppi utilizzano t-test, ANOVA o chi-quadro a seconda del livello di misurazione. Quando si controllano le covariate, sono comuni ANCOVA o regressione multipla. Il propensity score matching è diventato sempre più popolare per ridurre il bias di selezione. La regressione logistica viene utilizzata quando l'esito è binario. Tutte le analisi dovrebbero riportare intervalli di confidenza e dimensioni dell'effetto.

Quando dovrei scegliere invece un disegno longitudinale?

Se è possibile misurare i partecipanti prima che si verifichi la variabile indipendente e poi di nuovo dopo, un disegno longitudinale prospettico è preferibile perché stabilisce la precedenza temporale in modo più convincente e riduce l'errore di misurazione retrospettivo. Il disegno ex post facto è appropriato quando la misurazione prospettica è impossibile — perché l'evento si è verificato prima dell'inizio dello studio, o perché è troppo raro o sensibile per essere studiato prospetticamente.

Metodi correlati

Fonti

  1. Kerlinger, F. N. (1964). Foundations of Behavioral Research. Holt, Rinehart and Winston.

    Apri il riferimento della pubblicazione
    Copiato.
  2. Campbell, D. T., & Stanley, J. C. (1963). Experimental and Quasi-Experimental Designs for Research. Rand McNally.

    ISBN: 978-0395307878
    Copiato.