Skip to content
Torna ai risultati

Ricerca tramite sondaggio — Progettazione della ricerca tramite sondaggio

Introdotto da
Francis Galton, Charles Booth, and early social statisticians; systematised by Paul Lazarsfeld and colleagues at Columbia in the 1940s
Anno
Late 19th century; methodologically systematised 1940s–1960s
Tipo
Quantitative (and mixed) non-experimental 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?

La ricerca tramite sondaggio è una progettazione quantitativa (e talvolta a metodi misti) in cui un ricercatore raccoglie dati standardizzati di auto-segnalazione da un campione estratto da una popolazione definita, utilizzando un questionario o un'intervista strutturata.

È la strategia non sperimentale dominante per descrivere le caratteristiche della popolazione, stimare la prevalenza, mappare le distribuzioni degli atteggiamenti e testare associazioni bivariate o multivariate nelle scienze sociali, comportamentali e sanitarie.

L’intuizione alla base del metodo

Si pensi a un sondaggio come a uno strumento di misurazione standardizzato applicato simultaneamente a molte persone. Anziché osservare ciascun partecipante in profondità, il ricercatore pone lo stesso insieme di domande a ogni rispondente. Il set di dati risultante è un rettangolo: le righe sono persone, le colonne sono variabili. La magia della ricerca tramite sondaggio è l'aggregazione: anche quando le risposte individuali sono rumorose, i modelli su centinaia di rispondenti possono rivelare verità a livello di popolazione con confidenza quantificabile. Il compromesso chiave è ampiezza contro profondità: i sondaggi catturano molte variabili su molte persone, ma non possono approfondire l'esperienza di una singola persona con la ricchezza che avrebbe un'intervista.

Storia

La ricerca sociale sistematica è emersa alla fine del XIX secolo con le mappe della povertà di Londra di Charles Booth (1889–1903) e sforzi simili di Seebohm Rowntree. Il moderno sondaggio probabilistico è stato plasmato dallo sviluppo della teoria del campionamento casuale — l'articolo di Jerzy Neyman del 1934 sul campionamento stratificato è una pietra miliare — e dall'industrializzazione dei sondaggi di opinione pubblica attraverso Gallup, Roper e Crossley negli anni '30. Paul Lazarsfeld e i suoi colleghi alla Columbia University hanno formalizzato la metodologia dei sondaggi per le scienze sociali durante gli anni '40. Floyd Fowler, Don Dillman e Robert Groves hanno successivamente prodotto i manuali metodologici canonici che definiscono le attuali migliori pratiche.

Quando usarlo

La ricerca tramite sondaggio è appropriata quando l'obiettivo è descrivere le caratteristiche di, o le relazioni tra variabili in, una popolazione definita, specialmente quando l'osservazione diretta o la sperimentazione sono impraticabili. È il metodo di scelta per la misurazione degli atteggiamenti, la valutazione dei bisogni, la valutazione dei programmi e gli studi sulla prevalenza epidemiologica. Usala quando le variabili non possono essere manipolate e quando la misurazione standardizzata di molti partecipanti è fattibile. Non usare la ricerca tramite sondaggio quando la domanda di ricerca richiede una profonda comprensione del significato soggettivo (usa la fenomenologia o l'indagine narrativa), quando è richiesta un'inferenza causale da condizioni manipolate (usa progettazioni sperimentali o quasi-sperimentali), o quando la popolazione di interesse è troppo piccola o inaccessibile per produrre un tasso di risposta utilizzabile.

Limiti e considerazioni

  • Le progettazioni trasversali (la forma più comune) non possono stabilire la precedenza temporale o escludere fattori confondenti, limitando l'inferenza causale.
  • I dati di auto-segnalazione sono vulnerabili alla varianza del metodo comune, al bias di desiderabilità sociale e agli effetti di acquiescenza alla risposta.
  • Il bias di non risposta è una minaccia persistente: i rispondenti che completano il sondaggio possono differire sistematicamente dai non rispondenti.
  • La formulazione delle voci, il formato della scala di risposta e l'ordine delle domande possono influenzare sostanzialmente le risposte in modi difficili da rilevare.
  • La profondità delle informazioni per rispondente è limitata; costrutti complessi possono essere catturati male da un piccolo insieme di voci.

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

Punti di forza

  • Consente la descrizione e l'analisi di popolazioni ampie e geograficamente disperse a un costo relativamente basso per rispondente.
  • Gli strumenti standardizzati massimizzano la comparabilità tra i rispondenti e la replicabilità tra gli studi.
  • Il campionamento probabilistico supporta la generalizzazione statistica a una popolazione definita con incertezza quantificata.
  • La flessibile modalità di somministrazione (online, postale, telefonica, faccia a faccia) consente l'adattamento alla popolazione target.
  • Produce set di dati strutturati suscettibili di un'ampia gamma di procedure statistiche inferenziali.
  • Può misurare un gran numero di variabili contemporaneamente, consentendo l'analisi multivariata di relazioni complesse.

Applicazioni

  • Sondaggi sanitari nazionali che stimano la prevalenza delle malattie, i comportamenti a rischio per la salute e l'utilizzo dell'assistenza sanitaria nelle popolazioni adulte.
  • Sondaggi sull'impegno dei dipendenti e sul clima organizzativo utilizzati per monitorare gli atteggiamenti sul posto di lavoro e guidare le politiche delle risorse umane.
  • Sondaggi di valutazione educativa che misurano le esperienze di apprendimento degli studenti, l'autoefficacia e la soddisfazione nell'istruzione superiore.
  • Sondaggi di opinione pubblica che rilevano atteggiamenti politici, intenzioni di voto e preferenze politiche prima delle elezioni.
  • Sondaggi di valutazione di programmi che raccolgono dati sulla soddisfazione dei partecipanti e sui risultati auto-segnalati per interventi sociali.
  • Questionari di ricerca di mercato che mappano le preferenze dei consumatori, le percezioni del marchio e il comportamento d'acquisto.

Come funziona

Come funziona

1

Il ricercatore specifica le domande di ricerca e i costrutti di interesse: cosa deve misurare il sondaggio e per quale popolazione. Gli obiettivi determinano se la progettazione è puramente descrittiva (stima della prevalenza), relazionale (test delle associazioni) o predittiva (modellazione dei risultati). Obiettivi chiari prevengono il gonfiore dello strumento e mantengono l'analisi focalizzata.

2

Vengono elaborate e raffinate singole voci (domande) per operazionalizzare ciascun costrutto. La formulazione delle voci, il tipo di scala di risposta (Likert, differenziale semantico, dicotomica, aperta), l'ordinamento e la logica di salto sono tutte decisioni prese in questa fase. Il test pilota con un piccolo campione di convenienza viene utilizzato per identificare formulazioni ambigue e stimare il tempo di completamento prima di finalizzare lo strumento.

3

Viene scelta una strategia di campionamento per estrarre i rispondenti dalla popolazione target. Le progettazioni probabilistiche (casuale semplice, stratificato, a grappoli, sistematico) consentono la generalizzazione statistica alla popolazione; le progettazioni non probabilistiche (convenienza, intenzionale, a palla di neve) non lo consentono ma sono accettabili per lavori esplorativi o confermativi in cui la rappresentatività non è l'obiettivo. La dimensione del campione richiesta viene stimata dalle aspettative sulla dimensione dell'effetto, dalla potenza desiderata e dal margine di errore accettabile.

4

Lo strumento viene somministrato attraverso la modalità scelta: online (piattaforme di sondaggio web), posta cartacea, telefono o intervista faccia a faccia. La scelta della modalità influisce sul tasso di risposta, sul bias di desiderabilità sociale e sull'accesso alle sottopopolazioni. Vengono inviati promemoria di follow-up per migliorare i tassi di risposta e il tracciamento del tasso di risposta viene mantenuto durante tutto il lavoro sul campo.

5

Le risposte completate vengono pulite (gestendo dati mancanti, valori fuori intervallo e risposte lineari) e quindi analizzate. Le statistiche descrittive riassumono le distribuzioni delle voci e delle scale. Le analisi inferenziali — t-test, ANOVA, chi-quadro, regressione, modellazione di equazioni strutturali — vengono selezionate per rispondere alle domande di ricerca. Vengono applicati pesi di sondaggio quando è stata utilizzata una progettazione probabilistica e i tassi di risposta variavano tra gli strati.

6

I risultati vengono interpretati in relazione alle domande di ricerca e inseriti nel contesto della letteratura precedente. I rapporti includono dettagli sul campionamento, tasso di risposta, indici di affidabilità dello strumento (ad es. alfa di Cronbach per scale a più voci), dimensioni dell'effetto e intervalli di confidenza. Le limitazioni relative al bias di non risposta, alla varianza del metodo comune e alla generalizzabilità vengono discusse in modo trasparente.

Errori comuni

  • Gonfiore dello strumento: includere ogni voce potenzialmente interessante aumenta il tempo di completamento, aumenta i tassi di abbandono e produce un set di dati troppo grande per essere analizzato in modo coerente; dare priorità alle voci che affrontano direttamente le domande di ricerca.
  • Trascurare il test pilota: le voci che sembrano chiare al ricercatore sono spesso fraintese dai rispondenti; un piccolo pilota (n = 5–10) coglie la maggior parte dei problemi di formulazione prima di distribuirlo su larga scala.
  • Trattare un campione di convenienza come rappresentativo: i risultati di un campione non probabilistico possono essere generalizzati solo con grande cautela; dichiarare esplicitamente le limitazioni del campionamento ed evitare affermazioni sulla prevalenza a livello di popolazione.
  • Ignorare il bias di non risposta: un basso tasso di risposta non invalida automaticamente uno studio, ma è necessaria un'analisi che confronti i rispondenti precoci e tardivi (o i rispondenti e i non rispondenti noti) per valutare la minaccia.
  • Omettere prove di affidabilità e validità per scale a più voci: la segnalazione dell'alfa di Cronbach e, ove appropriato, dei risultati dell'analisi fattoriale confermativa è attesa nella pubblicazione peer-reviewed.

Domande frequenti

Quanto grande deve essere il mio campione di sondaggio?

La dimensione del campione richiesta dipende dalla dimensione dell'effetto attesa, dalla potenza statistica desiderata (convenzionalmente 0,80), dal livello di significatività (tipicamente 0,05) e dalla complessità delle analisi pianificate. Per un semplice confronto tra due gruppi che rileva un effetto medio (d = 0,50) con l'80% di potenza sono necessarie circa 64 persone per gruppo. I modelli di equazioni strutturali richiedono tipicamente almeno 200 casi completi. Utilizzare un'analisi di potenza a priori (ad es. G*Power) piuttosto che regole empiriche e aggiungere il 20–30% per tenere conto delle risposte incomplete previste.

Un basso tasso di risposta è un difetto fatale?

Un basso tasso di risposta è una minaccia, non automaticamente un difetto fatale. Ciò che conta è se i rispondenti differiscono sistematicamente dai non rispondenti su variabili rilevanti per lo studio. Condurre un'analisi del bias di non risposta: confrontare i rispondenti precoci e tardivi sulle principali caratteristiche demografiche, o confrontare il profilo del tuo campione con benchmark noti della popolazione e riportare i risultati. Riconoscere l'incertezza residua sulla generalizzabilità anche se l'analisi è rassicurante.

Cos'è la varianza del metodo comune e come la affronto?

La varianza del metodo comune (CMV) è una covarianza spuria tra variabili causata dal fatto che sono state misurate con lo stesso strumento nello stesso momento, gonfiando le correlazioni osservate. Rimedi procedurali includono la separazione temporale della misurazione del predittore e dell'esito, l'uso di diversi formati di risposta per diversi costrutti e l'inclusione di una variabile marcatore. Controlli statistici come il test del singolo fattore di Harman o l'approccio del fattore latente non misurato possono rilevare ma non correggere completamente la CMV.

Quando dovrei scegliere un sondaggio online rispetto a un sondaggio postale o telefonico?

I sondaggi online sono convenienti, veloci e appropriati quando la popolazione target ha un accesso affidabile a Internet, la maggior parte degli adulti in età lavorativa nei paesi sviluppati. I sondaggi postali rimangono preziosi per le popolazioni più anziane o per coloro che non hanno accesso a Internet, al costo di tempi di risposta più lenti e costi per risposta più elevati. I sondaggi telefonici hanno tassi di risposta in calo ma consentono una logica di diramazione complessa e raggiungono popolazioni senza Internet. Le progettazioni multimodali (che offrono più canali di risposta) raggiungono tipicamente tassi di risposta più elevati rispetto a qualsiasi singola modalità.

Un sondaggio può stabilire la causalità?

Un singolo sondaggio trasversale non può stabilire la causalità perché manca di ordinamento temporale e assegnazione casuale. Le progettazioni di panel longitudinali che misurano gli stessi rispondenti in più punti temporali possono stabilire la precedenza temporale, che è una condizione necessaria (ma non sufficiente) per la causalità. I modelli di panel cross-lagged e i modelli di panel cross-lagged con intercetta casuale possono controllare le differenze individuali stabili, rafforzando l'inferenza causale, ma i fattori confondenti non misurati rimangono una minaccia. Per affermazioni causali inequivocabili, sono necessarie progettazioni sperimentali o quasi-sperimentali.

Metodi correlati

Fonti

  1. Fowler, F. J. (2014). Survey Research Methods (5th ed.). Sage Publications.

    ISBN: 978-1452259000
    Copiato.
  2. Dillman, D. A., Smyth, J. D., & Christian, L. M. (2014). Internet, Phone, Mail, and Mixed-Mode Surveys: The Tailored Design Method (4th ed.). Wiley.

    ISBN: 978-1118456149
    Copiato.