Skip to content
Torna ai risultati

Campionamento dell'Esperienza Mobile — Valutazione Ecologica Momentanea nella Vita Quotidiana

Introdotto da
Mihaly Csikszentmihalyi & Reed Larson
Anno
1983
Tipo
Intensive longitudinal data collection technique
Famiglia
Data collection

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

Dimensione del carattere

A cosa serve?

Il Campionamento dell'Esperienza Mobile (ESM) è una tecnica intensiva di raccolta dati longitudinali in cui i partecipanti rispondono a brevi questionari ripetuti, inviati ai loro smartphone a intervalli casuali o programmati durante il giorno.

Catturando pensieri, sentimenti, comportamenti e contesto nel momento in cui si verificano o quasi, l'ESM minimizza il bias di richiamo retrospettivo e fornisce un quadro ad alta risoluzione delle fluttuazioni psicologiche e comportamentali nella vita quotidiana.

L’intuizione alla base del metodo

Le indagini tradizionali chiedono alle persone di riflettere su giorni o settimane — un processo soggetto a distorsioni della memoria e alla dominanza di esperienze di picco o recenti. L'ESM aggira questo problema ponendo domande brevi e mirate più volte al giorno, proprio quando e dove si svolge la vita quotidiana. Si pensi ad essa come a ripetute 'istantanee' dell'esperienza piuttosto che a una singola foto panoramica scattata a posteriori. Il risultato sono dati che tracciano la variazione intra-individuale nel tempo e nel contesto, consentendo ai ricercatori di chiedere non solo 'qual è il tuo umore medio?' ma 'come cambia il tuo umore attraverso diverse attività, persone e luoghi?'

Storia

Il Metodo di Campionamento dell'Esperienza è stato sviluppato da Mihaly Csikszentmihalyi e Reed Larson all'Università di Chicago nei primi anni '80 come un modo per studiare l'esperienza ottimale e la psicologia della vita quotidiana. Il loro articolo di validazione del 1987 nel Journal of Nervous and Mental Disease ha stabilito le prove psicometriche fondamentali. L'articolo di Shiffman, Stone e Hufford del 2008 sull'Annual Review of Clinical Psychology ha sistematizzato la tradizione parallela della Valutazione Ecologica Momentanea nella ricerca sulla salute. L'adozione diffusa degli smartphone dalla fine degli anni 2000 in poi ha trasformato l'ESM da un protocollo basato su cercapersone in una metodologia mobile scalabile.

Quando usarlo

Utilizza l'ESM quando la tua domanda di ricerca riguarda la variabilità intra-individuale, gli stati momentanei o le dinamiche del comportamento in contesti naturali — domande come come l'affetto fluttua nelle attività quotidiane, come lo stress si accumula durante una giornata lavorativa o come le interazioni sociali modellano l'umore in tempo reale. È ben adatto alla psicologia, alle scienze della salute, alla ricerca organizzativa e al comportamento del consumatore. Evita l'ESM quando il costrutto di interesse richiede una riflessione estesa (ad esempio, il significato della storia di vita), quando i partecipanti mancano di alfabetizzazione o motivazione per questionari brevi ripetuti, quando il contesto dello studio rende l'uso frequente del telefono impraticabile o non sicuro, o quando il budget e la tempistica della ricerca non possono supportare l'infrastruttura, il monitoraggio della conformità e l'analisi multilivello che l'ESM richiede.

Limiti e considerazioni

  • Il carico sui partecipanti è elevato; interruzioni ripetute per giorni possono causare affaticamento, reattività alla valutazione e abbandono.
  • La non conformità è sistematica (valutazioni perse durante momenti impegnativi o privati), potenzialmente distorcendo i risultati.
  • La gestione dei dati, l'infrastruttura delle app e la modellazione multilivello richiedono competenze tecniche e risorse specializzate.
  • Le misure momentanee sono necessariamente brevi; costrutti complessi che richiedono una ricca riflessione non possono essere adeguatamente catturati in istantanee di 1-3 minuti.
  • I risultati sono specifici per il periodo e il contesto campionati; la generalizzazione ad altre fasi della vita o popolazioni richiede replicazione.

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

Punti di forza

  • Cattura stati momentanei con un bias di richiamo retrospettivo minimo, migliorando drasticamente la validità ecologica.
  • Consente analisi intra-individuali che i disegni trasversali non possono fornire — tracciando fluttuazioni, effetti ritardati e variabilità a livello di persona.
  • Produce un gran numero di osservazioni per partecipante, fornendo una sostanziale potenza statistica per ipotesi intra-individuali anche con dimensioni campionarie moderate.
  • Contesto naturalistico: i dati vengono raccolti negli ambienti reali dei partecipanti piuttosto che in condizioni di laboratorio artificiali.
  • La consegna flessibile tramite app per smartphone consente l'aumento passivo dei dati (GPS, accelerometria, uso dello schermo) insieme ai self-report.

Applicazioni

  • Tracciare la variabilità dell'umore e dell'affetto nelle popolazioni cliniche (depressione, disturbo bipolare, ansia) per identificare schemi di rischio intra-individuali.
  • Studiare come le interazioni sociali, l'attività fisica e la qualità del sonno covariano con il benessere nella vita quotidiana.
  • Indagare il craving momentaneo, i fattori scatenanti l'uso di sostanze e i precursori della ricaduta nella ricerca sulle dipendenze.
  • Misurare l'engagement lavorativo, lo stress e le fluttuazioni del carico cognitivo durante una giornata lavorativa nella psicologia organizzativa.
  • Catturare il processo decisionale del consumatore e l'uso dei media mentre si verificano in contesti di consumo naturali.
  • Valutare le dinamiche dei sintomi e la risposta al trattamento in pazienti con dolore cronico o condizioni di affaticamento.

Come funziona

Come funziona

1

Il ricercatore definisce il costrutto di interesse (umore, stress, voglie, interazione sociale, ecc.) e decide uno schema di segnalazione: casuale (i segnali si verificano in momenti imprevedibili all'interno di finestre temporali preimpostate), contingente all'intervallo (orari fissi ogni giorno) o contingente all'evento (il partecipante attiva la valutazione quando si verifica un evento definito). Il numero di valutazioni giornaliere e la durata dello studio sono impostati per bilanciare la densità dei dati con il carico sui partecipanti; 3-10 segnali al giorno per 7-14 giorni è tipico.

2

I partecipanti vengono reclutati e dotati di un'app mobile dedicata o di un sistema basato su SMS che invia segnali e registra le risposte. Una sessione di briefing approfondita spiega il protocollo, e di solito viene eseguito un breve giorno di pratica prima dell'inizio dello studio vero e proprio. Le scale devono essere brevi — le risposte sono intese per richiedere 1-3 minuti — e validate per misurazioni ripetute intra-individuali.

3

I segnali vengono inviati agli orari o agli intervalli predefiniti. Quando arriva un segnale, il partecipante apre l'app e risponde al questionario momentaneo, catturando il suo stato attuale, l'attività in corso, il contesto sociale e la posizione (se consentito). Le risposte vengono timestampate e caricate automaticamente. La conformità e la latenza di risposta vengono registrate per un successivo controllo qualità.

4

I tassi di risposta vengono monitorati durante tutto il periodo di studio. I partecipanti che scendono al di sotto di una soglia accettabile (comunemente 70-75% dei segnali) possono essere contattati con promemoria o esclusi dall'analisi. L'alta non conformità non è casuale — tende a verificarsi durante momenti impegnativi o privati — e può introdurre un bias sistematico che deve essere affrontato nel piano di analisi.

5

Poiché ogni partecipante contribuisce con molte osservazioni, i dati hanno una struttura annidata (valutazioni all'interno delle persone, persone all'interno dei gruppi). La modellazione multilivello (HLM / modelli a effetti misti) è il framework analitico standard. Gli effetti intra-individuali (come una variabile fluttua attorno alla media di ogni persona) sono separati dagli effetti tra-individui (come le persone differiscono in media), consentendo ipotesi dettagliate sulle dinamiche dello stato, sugli effetti ritardati e sui moderatori a livello di persona.

Errori comuni

  • Troppi elementi per segnale: questionari più lunghi di 10-15 elementi riducono drasticamente la conformità; mantieni ogni segnale breve e validato per l'uso intra-individuale.
  • Ignorare le correlazioni intraclasse: trattare i dati ESM come osservazioni indipendenti gonfia l'errore di Tipo I; usa sempre modelli multilivello o a effetti misti che tengano conto della struttura annidata.
  • Confondere gli effetti intra-individuali e tra-individui: una variabile che predice gli esiti a livello tra-individui non deve necessariamente farlo a livello intra-individuale (e viceversa); questi effetti devono essere esplicitamente separati nell'analisi.
  • Trascurare la reattività: l'atto di auto-monitoraggio può alterare il comportamento o l'esperienza studiata; includere un periodo di abituazione o tenere conto della reattività nelle analisi di sensibilità.

Domande frequenti

Quanti segnali al giorno e per quanti giorni è ragionevole?

Un protocollo comune prevede 4-8 segnali casuali al giorno per 7-14 giorni consecutivi, producendo 28-112 valutazioni per partecipante. Il numero ottimale dipende dalla correlazione intraclasse del tuo esito (ICC più alto = meno misure ripetute necessarie), dalla tolleranza al carico del partecipante e dalla scala temporale del fenomeno. Protocolli molto brevi (3 giorni) possono perdere i ritmi settimanali; quelli molto lunghi (>21 giorni) rischiano un significativo abbandono legato all'affaticamento.

Di quale dimensione campionaria ho bisogno per uno studio ESM?

La potenza nell'ESM è una funzione sia del numero di partecipanti che del numero di valutazioni per persona. Per effetti intra-individuali di dimensioni tipiche (r ≈ 0.15–0.30), studi di simulazione suggeriscono che 50–100 partecipanti con 30–50 valutazioni valide ciascuno forniscono una potenza adeguata per i modelli multilivello. Un numero inferiore di partecipanti può essere parzialmente compensato da più valutazioni, ma al di sotto di circa 30 partecipanti le stime della varianza tra-individui diventano instabili.

L'ESM è adatto per la ricerca qualitativa?

Prevalentemente l'ESM genera dati quantitativi (valutazioni, frequenze). Tuttavia, i disegni contingenti all'evento possono incorporare campi di testo aperti per brevi risposte narrative, e i dati ESM possono essere utilizzati per selezionare intenzionalmente momenti per interviste qualitative di follow-up — un disegno a volte chiamato 'interviste arricchite da ESM'. L'ESM puramente qualitativo è raro.

Quali software e app sono comunemente usati per l'ESM?

Le piattaforme di ricerca popolari includono m-Path, ExperienceSampler, MetricWire e movisensXS. Per studi clinici o su larga scala, vengono utilizzate anche integrazioni SMS personalizzate REDCap o Qualtrics. La scelta dipende dal budget, dalla necessità di rilevamento passivo e dal livello di competenza di programmazione disponibile.

In cosa differisce l'ESM dal metodo del diario?

Gli studi con diario di solito chiedono ai partecipanti di completare un resoconto di fine giornata, catturando un riassunto giornaliero. L'ESM cattura più valutazioni durante il giorno nel momento o quasi nel momento dell'esperienza. L'ESM fornisce una risoluzione temporale più fine ed evita il bias di richiamo del riassunto giornaliero, ma impone un carico maggiore sui partecipanti. Per fenomeni che si sviluppano nel corso dei giorni (ad esempio, l'accumulo di stress quotidiano) un disegno con diario può essere sufficiente; per le fluttuazioni intraday l'ESM è preferibile.

Metodi correlati

Fonti

  1. Csikszentmihalyi, M., & Larson, R. (1987). Validity and reliability of the Experience-Sampling Method. Journal of Nervous and Mental Disease, 175(9), 526–536.

    Apri il riferimento DOI
    Copiato.
  2. Stone, A. A., Shiffman, S., Atienza, A. A., & Nebeling, L. (Eds.). (2007). The Science of Real-Time Data Capture: Self-Reports in Health Research. Oxford University Press.

    ISBN: 978-0195178715
    Copiato.