Franco Angeli: La cassetta degli attrezzi

Il volume offre una guida all'uso di NVivo (Non-numerical Unstructured Data*Indexing, Searching and Theorizing Vivo), un programma finalizzato all'analisi qualitativa computer assistita. NVivo presenta un insieme di procedure utili a descrivere, analizzare e interpretare i molteplici materiali e dati che si producono in un percorso di ricerca qualitativa. In tal senso, si configura come un adeguato ausilio per gestire e archiviare i materiali raccolti; per selezionare segmenti di testo; per organizzare le diverse annotazioni che si producono durante un processo di ricerca; per individuare i possibili collegamenti tra i contenuti dei diversi materiali messi in campo; per mettere a punto gli schemi concettuali e le ipotesi interpretative; per produrre i resoconti dell'analisi dei dati qualitativi mediante diagrammi e per stilare il rapporto della ricerca. NVivo è pensato per coadiuvare il ricercatore dall'inizio alla fine di un processo di ricerca qualitativa e si adegua alle molteplici strategie di analisi (studio dei casi, biografie, grounded-theory, etnografia, analisi narrativa, del discorso, delle storie di vita, osservazione partecipante, etc.). Nell'insieme il volume illustra nel dettaglio le procedure per: documentare l'intero sviluppo di un processo di ricerca; gestire una metodica di lavoro, a garanzia dell'accuratezza e del rigore di un percorso di analisi; rendere accessibile il materiale di ricerca, a garanzia dell'ispezionabilità della base empirica e delle procedure.

A partire dai concetti chiave del campionamento statistico, il volume illustra come la teoria viene applicata nelle concrete operazioni di ricerca empirica nelle scienze umane. Dal punto di vista della pratica della ricerca si pongono notevoli problemi nella traduzione della teoria statistica del campionamento ai casi concreti di ricerca - soprattutto quando l'unità di analisi è l'individuo - per numerose ragioni che verranno illustrate nel testo insieme a proposte di possibili soluzioni. Obiettivo del testo è indicare una serie di buone pratiche di campionamento, fra le quali alcune innovative, da seguire nel rispetto degli obiettivi cognitivi di una ricerca senza trascurare, ignorare o addirittura violentare, la teoria del campionamento così come essa si è sviluppata nel corso degli ultimi decenni. In tale prospettiva si propone di mettere al centro gli obiettivi cognitivi del ricercatore e rispetto a questi indicare come adattare, quando possibile e quando sia effettivamente utile, le procedure di campionamento ai criteri imposti dalla teoria statistica. In altri termini, si vuole rendere operativo un rovesciamento della prassi consolidata che consiste nell'adottare le procedure per così dire canoniche, senza che queste siano né effettivamente praticabili, né compatibili rispetto agli obiettivi cognitivi del ricercatore.

Gestire le procedure di analisi dei dati attraverso la sintassi dei comandi consente un approccio al programma Spss (Statistical Package for Social Science) flessibile e personalizzato e un uso professionale dello stesso. Occorre ricordare che la sintassi di Spss è rimasta sostanzialmente invariata a partire dalle prime versioni degli anni settanta del secolo scorso. Pertanto, i lettori potranno applicare tutte le procedure illustrate nel testo su una qualsiasi versione del programma a loro disposizione, dalla prima compatibile con il sistema operativo Windows fino a quella attualmente sul mercato. Rispetto alla modalità di lavoro più friendly attraverso i menù e le finestre di dialogo, l'uso della sintassi presenta numerosi vantaggi: la gestione consapevole e autonoma del programma e delle procedure di analisi; la possibilità di costruire una memoria del lavoro svolto; la possibilità di riuso dei programmi in altre sessioni di lavoro sulla stessa o su altre matrici dei dati. Inoltre, per molte procedure di analisi, la sintassi consente la scelta di un numero maggiore di opzioni rispetto alla stessa procedura disponibile attraverso le finestre di dialogo.

Come si possono analizzare i dati territoriali per descrivere un contesto sociale? Quali vantaggi e quali limiti presentano le informazioni rilevate sul territorio? È possibile pervenire ad una conoscenza sociologica del territorio? Come rispondere alla critica spesso rivolta ai risultati delle inchieste campionarie di essere svolte in una sorta di vuoto sociale? Come è possibile combinare efficacemente dati aggregati e dati individuali? Il volume risponde a questi e altri quesiti che riguardano l'analisi dei dati territoriali. Quando si vuole studiare in modo approfondito un contesto territoriale, sia per fini teorico-conoscitivi sia per pianificare interventi, programmi o politiche sociali, è indispensabile saper sfruttare le notevoli potenzialità di questo tipo di dati. Il libro si rivolge a quanti - studenti di diverse discipline delle scienze umane, ricercatori sociali pubblici e privati, politici, amministratori, operatori di enti locali, etc. - intendano praticare in modo efficace l'analisi dei dati territoriali. L'autrice correda l'esposizione degli argomenti con numerosi esempi di analisi tratti da concrete esperienze di ricerca.

Il volume offre un'introduzione sistematica alle operazioni di analisi dei dati comunemente etichettate con l'espressione "analisi multivariata", con particolare riferimento a quelle più frequentemente usate nelle ricerche delle scienze umane. Oltre alla presentazione tecnica degli strumenti di analisi, nel testo si dedica ampio spazio agli aspetti applicativi ricorrendo a numerosi esempi tratti da effettive ricerche empiriche. Le tecniche e i modelli illustrati nel testo sono suddivisi rispetto alla natura delle variabili che possono essere trattate. Fra le tecniche per variabili categoriali si presentano: l'analisi delle corrispondenze binarie, l'analisi delle corrispondenze multiple, l'analisi delle corrispondenze multiple con la scelta delle modalità attive, l'analisi delle corrispondenze multiple condizionate e l'analisi delle corrispondenze lessicali. Fra le tecniche per variabili cardinali: l'analisi in componenti principali, l'analisi dei gruppi, l'analisi discriminante e le tecniche di scaling. Fra i modelli per variabili categoriali: i modelli log-lineari, la regressione logistica e l'analisi della varianza a più vie. Fra i modelli per variabili cardinali: la regressione multipla, l'analisi fattoriale e i modelli di equazioni strutturali. Di ogni strumento si evidenziano pregi e difetti in relazione a definiti obiettivi analitici e in considerazione della natura delle variabili che si sottopongono all'analisi.