Metodi di ricerca in psicologia: domande di esercitazione con spiegazioni

1Perché la psicologia ha bisogno dei metodi di ricerca

La psicologia fa affermazioni sulle persone: che il sonno migliora la memoria, o che una terapia riduce l’ansia. I metodi di ricerca sono le regole per verificare queste affermazioni in modo corretto, così che la risposta non dipenda dall’opinione.

Uno studio parte da un’ipotesi, una previsione verificabile. L’ipotesi nulla dice che non c’è nessun effetto o nessuna relazione; l’ipotesi alternativa dice che c’è. Un’ipotesi direzionale (a una coda) indica anche la direzione dell’effetto; una non direzionale (a due code) no.

In un esperimento, il ricercatore cambia una variabile e ne misura un’altra:

• La variabile indipendente (VI) è quella che il ricercatore cambia deliberatamente, come la quantità di sonno.
• La variabile dipendente (VD) è quella misurata per vedere se è influenzata, come un punteggio di memoria.
• Le variabili estranee potrebbero influenzare anch’esse la VD. Se una di esse varia con la VI, diventa una variabile di confondimento e il risultato non è chiaro.

L’operazionalizzazione significa definire una variabile in modo che possa essere misurata, per esempio la “memoria” come “il numero di parole ricordate da un elenco di 20”.

2Disegni sperimentali, campioni ed etica

I disegni sperimentali differiscono per chi partecipa a ciascuna condizione:

• Gruppi indipendenti: persone diverse in ogni condizione. Non ci sono effetti di ordine, ma i gruppi possono differire.
• Misure ripetute: le stesse persone fanno ogni condizione. Le differenze individuali sono controllate, ma compaiono effetti di ordine (pratica, stanchezza); il controbilanciamento (metà fa A poi B, metà fa B poi A) li controlla.
• Coppie appaiate: persone diverse, appaiate per caratteristiche chiave come l’età o il QI.

In un esperimento vero i partecipanti sono assegnati casualmente alle condizioni. In un quasi-esperimento la VI è una differenza naturale, come il genere o l’età, quindi non può essere assegnata. Un esperimento sul campo manipola la VI in un contesto naturale.

I metodi non sperimentali comprendono studi correlazionali, osservazioni, questionari e interviste, studi di caso e studi longitudinali che seguono le stesse persone nel tempo.

Campionamento: in un campione casuale tutti hanno la stessa probabilità; quello sistematico prende una persona ogni n da un elenco; quello stratificato mantiene le proporzioni dei sottogruppi della popolazione; quello di opportunità usa chi è disponibile; quello volontario usa le persone che rispondono a un annuncio.

Distorsione: i partecipanti possono cambiare comportamento perché intuiscono lo scopo (caratteristiche della richiesta) o vogliono fare bella figura (desiderabilità sociale). Un disegno in doppio cieco, in cui né i partecipanti né gli sperimentatori conoscono la condizione, riduce questo effetto e la distorsione dello sperimentatore.

Etica: consenso informato, diritto di ritirarsi, protezione dai danni, riservatezza e un debriefing, soprattutto quando è stato usato l’inganno.

3Affidabilità, validità e statistica

L’affidabilità è la coerenza: una misura dà lo stesso risultato ogni volta. Si verifica con il test–retest, con l’accordo tra valutatori tra gli osservatori, oppure con lo split-half e la coerenza interna.

La validità è l’accuratezza: lo studio misura ciò che dichiara di misurare. La validità interna significa che la VI ha davvero causato il cambiamento nella VD. La validità esterna significa che i risultati si generalizzano ad altre persone e contesti.

Una misura può anche mostrare validità concorrente (concorda con un test consolidato) e validità predittiva (prevede un esito successivo). Una misura può essere affidabile senza essere valida.

Livelli di misurazione: nominale (categorie), ordinale (ranghi), a intervalli (passi uguali) e di rapporto (passi uguali e uno zero vero, come il tempo di reazione).

Statistica descrittiva: media, mediana e moda descrivono il centro; la deviazione standard descrive la dispersione. In una distribuzione normale circa il 68% dei punteggi sta entro 1 DS dalla media e circa il 95% entro 2 DS.

La statistica inferenziale verifica l’ipotesi nulla. Se p < 0,05, il risultato si dice significativo. Sono possibili due errori:

• Errore di tipo I: rifiutare un’ipotesi nulla che è vera, un falso positivo.
• Errore di tipo II: non rifiutare un’ipotesi nulla che è falsa, un falso negativo. I campioni piccoli lo rendono più probabile.

Scegli il test in base al disegno e ai dati: un t-test per campioni indipendenti per due gruppi separati, un t-test per campioni appaiati per misure ripetute, il chi quadrato per le categorie, la r di Pearson per una relazione lineare e il rho di Spearman per i ranghi.

Un valore p non dice nulla su quanto sia grande un effetto. Lo mostrano le dimensioni dell’effetto, come la d di Cohen o la r, e gli intervalli di confidenza.

4Come valutare uno studio

Molte domande descrivono uno studio e chiedono che cosa si può concludere. Procedi in questo ordine:

1. Individua le variabili: la VI e la VD, oppure le due variabili misurate in una correlazione.
2. Dai un nome al disegno: esperimento vero, quasi-esperimento, correlazionale, osservazione o studio di caso.
3. Guarda il campione: come è stato scelto, quanto è grande e a chi si applicano i risultati.
4. Cerca le minacce: variabili di confondimento, caratteristiche della richiesta, gruppi di controllo mancanti, misure non affidabili.
5. Controlla la statistica: il test giusto, il valore p e la dimensione dell’effetto.
6. Enuncia la conclusione che il disegno permette. Solo un esperimento ben controllato sostiene un’affermazione causale.

5Un esempio svolto

Valuta lo studio un passo alla volta. Prova a dire il passo successivo prima di aprirlo.

6Errori comuni

• Trattare la correlazione come causalità. Una terza variabile o una direzione invertita possono spiegare il legame.
• Scambiare la VI (cambiata) con la VD (misurata).
• Scambiare gli errori di tipo I (falso positivo) e di tipo II (falso negativo).
• Leggere p come la probabilità che l’ipotesi nulla sia vera. È la probabilità di dati così estremi se l’ipotesi nulla fosse vera.
• Concludere “nessun effetto” da un risultato non significativo in un campione piccolo. Lo studio può mancare di potenza.
• Confondere l’affidabilità (coerente) con la validità (accurata).

7Come sono fatte le domande d’esame

• Facile (termini chiave e fatti): definizioni. Che cos’è una VI, un’ipotesi nulla, l’affidabilità o il consenso informato.
• Medio (applicare i concetti): un breve studio da classificare. Indichi il disegno, il metodo di campionamento, il tipo di validità o il test statistico giusto.
• Difficile (casi e analisi): uno studio con un problema. Individui un fattore di confondimento, il p-hacking, un intervallo ristretto o un campione WEIRD, interpreti R² o un intervallo di confidenza, oppure applichi una correzione di Bonferroni.

Per le domande difficili, chiediti che cos’altro potrebbe spiegare il risultato e se il disegno consente la conclusione che viene tratta.