Analisi dei dat

La fase di analisi è stata condotta sia sui dati risultanti dalla ricerca di tipo quantitativo sia su quelli derivati dalle interviste qualitative. In seguito i risultati sono stati confrontati e integrati l’uno con l’altro in fase di esposizione e discussione. I dati quantitativi raccolti sono stati analizzati con l’aiuto di una sociologa, i dati qualitativi in cooperazione con il partner di progetto TIS.

Per quanto riguarda i dati quantitativi, si segnala che non tutti i rispondenti hanno compilato il questionario fino alla fine. Dopo le primissime domande si registra infatti un sensibile tasso di abbandono. Previa consultazione con la sociologa, si sono perciò considerate valide solo le risposte di chi avesse compilato almeno due delle domande oltre le prime quattro

152

prettamente “anagrafiche” sull’azienda, di quei rispondenti che fossero cioè giunti a rispondere come minimo alla domanda 6 “Quali informazioni sono disponibili a tutto il personale?”. I questionari compilati ritenuti sufficientemente completi che sono confluiti nell’analisi ammontano dunque a 443.

I dati quantitativi, già salvati in formato elettronico (.csv e .spss) dal software Opinio, sono stati predisposti per un’analisi più approfondita con l’aiuto della sociologa. Il dataset generato da Opinio è stato pulito all’interno del programma di calcolo Excel mantenendo nella matrice-dati solo le risposte dei 443 rispondenti. Uno dei primi passi di preanalisi dei dati è consistito nell’etichettatura di variabili e modalità al fine di ottenere delle tabelle comprensibili e interpretabili, cosicché le cifre contenute nella matrice dati diventassero leggibili anche da un utente umano (Di Franco 2007a: 383).

In seguito sono state prodotte le tabelle delle distribuzioni di frequenze per ogni singola domanda. L’andamento delle singole variabili permette di individuare errori ed eventuali anomalie, ad esempio, valori non plausibili (Di Franco 2007a: 381). A titolo di analisi preliminare sono dunque stati effettuati i controlli di plausibilità per verificare che tutti i valori delle variabili fossero effettivamente sensati e corrispondenti a quelli previsti. Se, ad esempio, dalla matrice dei dati fosse risultato un numero elevatissimo di aziende con più di 250 addetti tra i rispondenti, ben sapendo che in Alto Adige queste sono una categoria poco rappresentata, si sarebbe dovuto presumere un errore tecnico del programma oppure un problema in fase di compilazione del questionario, con gravissime conseguenze su tutti i dati raccolti. In fase di analisi preliminare si è proceduto anche ai controlli di congruenza tra variabili diverse ma correlate. Ad esempio, si è verificato che chi aveva indicato un numero di addetti inferiore a dieci non avesse poi indicato di impiegare più di dieci stranieri in azienda, evidenziando così un errore di comprensione, compilazione o salvataggio dei dati (cfr. Corbetta 1999: 494-495).

In base alle tabelle delle distribuzioni di frequenze sono state decise le aggregazioni di variabili e la creazione di nuove variabili (Vargiu 2007: 279). In alcuni casi si è infatti considerato opportuno ricodificare le variabili per facilitare l’analisi (cfr. Di Franco 2007a: 386-387). Ad esempio, le cinque modalità di risposta da “poca importanza” a “molta importanza” alle domande 16 e 17 sull’importanza delle conoscenze linguistiche sono state ridotte a solo tre modalità, aggregando rispettivamente le due risposte a destra e a sinistra

153

della risposta centrale della scala. Si è proceduto in maniera simile per le risposte date alla domanda 18 “C’è del personale con una madrelingua diversa dall’italiano o tedesco nella Sua azienda?”, raggruppando cioè tutte le aziende con degli addetti di lingua straniera per poterle più agevolmente confrontare con quelle che non ne impiegano nemmeno uno.

In altri casi si è ritenuto opportuno costruire delle nuove variabili a partire da quelle presenti nella matrice (Di Franco 2007a: 384). Ad esempio, è stata creata una nuova variabile relativa ai mercati di sbocco delle aziende per poter distinguere tra quelle aziende che si rivolgono esclusivamente a mercati di lingua italiana e/o tedesca (Alto Adige, Italia, Austria, Germania, Svizzera) e quelle che invece lavorano anche su mercati di lingua straniera (cfr. domanda 3 “A quali mercati si rivolge prevalentemente la Sua azienda?”). Analogamente è stata aggiunta una nuova variabile, sempre relativa ai mercati delle aziende, per mettere a confronto le aziende operanti esclusivamente sul mercato altoatesino con le aziende attive sul mercato locale e anche altrove e, infine, con le aziende prevalentemente focalizzate al mercato estero.

L’analisi dei dati consiste “nello studio delle variabili e delle loro relazioni” (Corbetta 1999: 471). Sono state analizzate sia le variabili prese singolarmente (analisi monovariata) sia i rapporti esistenti tra diverse variabili (analisi bivariata) (Vargiu 2007: 279). L’analisi monovariata delle distribuzioni di frequenze di singole variabili fornisce di per sé dati interessanti e può far emergere incongruenze nel dataset, ma anche suggerire delle ipotesi da verificare nelle analisi successive (cfr. Di Franco 2007a: 396). Inoltre, la distribuzione di frequenze delle variabili di base quali le dimensioni e il settore di attività delle aziende consente di valutare la rispondenza del campione all’intera popolazione di aziende altoatesine (cfr. Corbetta 1999: 498). Le tabelle con le distribuzioni di frequenze si trovano in allegato (Allegato 2). L’analisi bivariata riguarda invece l’analisi congiunta di due variabili per evidenziarne eventuali dipendenze funzionali o relazioni sistematiche di qualsiasi tipo. Per questo tipo di analisi sono state costruite molte tabelle di contingenza (o tabelle a doppia entrata o incroci) per studiare la distribuzione congiunta delle modalità di due variabili alla volta (Di Franco 2007b: 422) e mostrare in maggiore dettaglio il rapporto che sussiste tra le due variabili in esame (Vargiu 2007: 307). Anche queste tabelle sono riportate in allegato (Allegato 3).

154

Avendo utilizzato un software per gestire la compilazione e avendo impostato la risposta obbligata per quasi tutte le domande, i casi di missing values, ossia di valori mancanti, non derivano né da risposte erroneamente fornite a domande non rilevanti per il rispondente (es. un rispondente che dopo aver risposto che nella sua azienda non si fanno verbali indicasse poi la lingua in cui sono stilati i verbali) né da domande più o meno volutamente tralasciate, come può accadere per i questionari compilati a mano. I valori mancanti sono limitati ai casi in cui era possibile indicare “non saprei” e a qualche sporadico caso di valore poco plausibile, potenzialmente derivante da un errore di compilazione o da una distrazione del rispondente. In fase di presentazione dei risultati la distribuzione delle risposte “non saprei” è sempre stata chiaramente riportata, al fine di consentire al lettore di coglierne la reale portata, mentre per l’analisi bivariata questi casi sono stati spesso esclusi dalle tabelle, poiché non informativi (cfr. Corbetta 1999: 495).

I dati e i risultati più interessanti sono illustrati graficamente tramite diagrammi, al fine di renderli immediatamente percepibili e di facile lettura. In linea di principio si utilizzano gli aerogrammi (più precisamente, i diagrammi a torta) per rappresentare le variabili a categorie non ordinate e gli ortogrammi o diagrammi a barre (a nastri o a colonne, a seconda dei casi) per le distribuzioni di variabili a categorie ordinate e di diverse categorie non ordinate (cfr. Vargiu 2007: 294-295).

I dati delle interviste qualitative sono disponibili in formato audio e in forma di riassunto strutturato per tematica e per risposta. In aggiunta, la candidata ha riascoltato e studiato tutte le interviste producendo memos (note del ricercatore) molto utili per categorizzare e sistematizzare le informazioni (cfr. Creswell & Plano Clark 2007: 131). Ciò rende abbastanza semplice il recupero dei brani da citare a sostegno dei risultati dell’analisi del questionario. Inoltre, molte delle risposte fornite dagli intervistati si possono ricondurre alle stesse variabili del questionario, consentendo così un’analisi di tipo quantitativo oltre che qualitativo. In quest’ottica si è rivelato molto utile aver iniziato le interviste in seguito alla predisposizione del questionario, poiché nel protocollo di intervista si è potuto stabilire uno schema di domande analogo a quello del questionario. Di conseguenza, è diventato più agevole confrontare i risultati delle interviste con quelli del questionario, validandoli, confermandoli e approfondendoli (cfr. Creswell & Plano Clark 2007: 64-65, Corbetta 2003c: 103-106). Nella fase di analisi e successiva interpretazione esposte nella presente

155

tesi è stato, come già evidenziato in precedenza (cfr. introduzione al Capitolo 1), dato maggior peso ai risultati dell’indagine questionaria rispetto a quelli delle interviste. I risultati quantitativi e qualitativi sono stati infatti uniti in fase di discussione ed esposizione dei risultati portando gli estratti e le argomentazioni tratte dalle interviste a sostegno o integrazione dei dati qualitativi (cfr. Creswell & Plano Clark 2007: 140). I risultati della fase di analisi dei dati sono riportati nel Capitolo 5.