La fase quantitativa: la survey

La prima fase della ricerca, di natura quantitativa, si è sviluppata nel secondo semestre del 2017. In questa fase è stata condotta un’inchiesta campionaria (survey) di tipo esplorativo, basata sulla somministrazione di un questionario strutturato ad un campione di 503 intervistati, ovvero utenti di Internet di età

Metodi

Quantitativi

Metodi

Qualitativi

Integrazione

tra quantità e

qualità

(Risultati)

80

compresa tra gli 11 e i 18 anni, residenti in Campania11. Obiettivo della survey è stato quello di fotografare a livello regionale le pratiche di utilizzo dei social media da parte dei preadolescenti e degli adolescenti e di cogliere in particolare le pratiche identitarie e di gestione della privacy, attraverso le sei dimensioni esposte in precedenza. Allo scopo di esplorare e descrivere il fenomeno, la scelta di realizzare una survey si è rivelata molto efficace perché è stata in grado di restituire lo scenario di partenza per poter poi andare in profondità nella seconda fase. In particolare, la prima fase della ricerca si è articolata in tre momenti principali:

- Campionamento

- Rilevazione e raccolta dei dati

- Analisi dei dati

Campionamento. In un disegno di ricerca mix il campionamento è un momento decisivo. In particolare, nel disegno sequenziale esplicativo,

- 11 _{La survey realizzata in Campania è stata condotta all’interno di un}

progetto di ricerca più ampio svolto in parallelo anche in Lombardia e Lazio al fine di produrre una comparazione cross-regionale. Il progetto è stato commissionato dai Co.Re.Com. Campania, Co.Re.Com. Lombardia e Co.Re.Com. Lazio e ha visto la partecipazione di 4 atenei italiani: Federico II di Napoli (OTG- Osservatorio Territoriale Giovani, Dipartimento di Scienze sociali) per l’unità territoriale della Campania, Cattolica del Sacro Cuore di Milano (OssCom-Centro di ricerca sui media e la comunicazione) per l’unità territoriale della Lombardia, La Sapienza di Roma (Dipartimento di Comunicazione e ricerca sociale) e Lumsa di Roma (Dipartimento di Scienze Umane, Comunicazione, Formazione e Psicologia) per l’unità territoriale del Lazio. Il progetto di ricerca è stato coordinato dai Proff. Piermarco Aroldi, Simone Mulargia, Donatella Pacelli, Raffaele Savonardo.

81

adottato in questo caso, dalla scelta del campione nella fase quantitativa deriva la selezione dei casi nella fase qualitativa, pertanto si può affermare che nell’intero processo di ricerca è stato adottato un “campione misto sequenziale” (Teddlie e Yu, 2007). In particolare, il campione adottato per la survey è costituito da 503 unità, ovvero ragazzi di età compresa tra gli 11 e i 18 anni, utenti di internet, residenti in Campania. Il campione è stato ottenuto attraverso la tecnica del campionamento per quote, ovvero rispettando le quote della popolazione campana utente di Internet di età compresa tra gli 11 e i 18 anni12. Il campione non è probabilistico, ma risulta essere rappresentativo della popolazione di riferimento in base alle caratteristiche sesso, età, provincia di residenza, titolo di studio del capofamiglia e condizione lavorativa del capofamiglia13 (Marradi, 1997b). Nella tabella 3.1 è indicata la composizione del campione in base alle suddette caratteristiche, mentre il disegno di campionamento per quote è disponibile in appendice. Il campione risulta molto equilibrato sia rispetto all’età che al sesso degli adolescenti. L’età media dei ragazzi che hanno partecipato all’indagine è 15 anni, valore che fa da spartiacque tra le due classi d’età individuate: quella dei preadolescenti (11-14 anni) e quella degli adolescenti (15-18 anni). Anche rispetto alla variabile sesso, il campione risulta diviso quasi a metà tra i maschi e le femmine. In particolare, se si considera la relazione tra il sesso e l’età, il campione risulta composto da quattro gruppi con valori pressoché simili: nella fascia di età 11-14 anni (preadolescenti) le femmine rappresentano il 25,4% e i maschi il 23,5%, mentre nella fascia di età 15-18 anni (adolescenti), il 27,8% sono maschi e il 23,3% femmine.

12 _{In particolare, le quote del campione sono state individuate a partire dai dati Istat aggiornati}

al 1 gennaio 2017 relativi alla popolazione campana 11-18 anni, utente di internet.

82

COMPOSIZIONE DEL CAMPIONE

Sesso Maschi 51,3% Femmine 48,7% Età 11-14 anni 48,9% 15-18 anni 51,1% Provincia Avellino 5,8% Benevento 4,2% Caserta 16,5% Napoli 53,7% Salerno 19,9% Titolo di studio capofamiglia Elementare e media 43,1% Diploma 37% Laurea e post-laurea 19,9% Condizione lavorativa capofamiglia Lavora 48,9% Non lavora 51,1%

Tabella 3.1: Composizione del campione.

Rilevazione e raccolta dei dati. Dopo aver effettuato il campionamento, si è passati alla definizione dello strumento, delle modalità di rilevazione e alla vera e propria raccolta dei dati. Lo strumento adottato per la rilevazione dei dati è un questionario strutturato contenente 16 domande chiuse a risposta multipla14_{. Il questionario è suddiviso in 6 sezioni, ognuna relativa ad una}

dimensione d’analisi. Le 6 dimensioni sono state articolate in sottodimensioni più specifiche, ovvero 15 indicatori, a partire dai quali sono state individuate 57 variabili, ovvero le proprietà dell’oggetto definite operativamente e rilevate attraverso il questionario. Si è fatto ricorso prevalentemente a variabili di tipo categoriale, con categorie ordinate e non ordinate, ma anche a variabili di tipo cardinale (solo rispetto alla variabile età dei genitori ed età dei figli). Le modalità delle variabili sono in totale 248, fondate sui principi del fundamentum divisionis, della mutua esclusività e dell’esaustività (Caputo, 2012). Il questionario è stato somministrato in modalità online (CAWI) e in modalità face to face (CAPI) tra il 4 settembre e il 15 ottobre

14 _{Il questionario utilizzato in questo lavoro è formato da alcune delle domande presenti nel}

questionario utilizzato nell’ambito della ricerca cross-regionale dei Co.Re.Com. Campania, Co.Re.Com. Lombardia e Co.Re.Com. Lazio (2017). La versione del questionario utilizzata nel presente lavoro è disponibile in appendice.

83

201715. Nella tabella 3.2 si riporta una sintesi del processo di operativizzazione dei concetti, attraverso la scomposizione graduale dalle dimensioni alle variabili.

DIMENSIONI INDICATORI VARIABILI

IL CONTESTO FAMILIARE E SCOLASTICO

Caratteristiche socio- anagrafiche dei genitori

Età genitori; Provincia di residenza.

Caratteristiche socio- culturali e socio- economiche dei genitori

Titolo di studio del capofamiglia; Condizione lavorativa del capofamiglia.

Caratteristiche socio- anagrafiche degli adolescenti

Sesso; Età.

Caratteristiche socio- culturali degli adolescenti

Scuola frequentata

Adulti di riferimento per gli adolescenti

Padre; Madre; Fratelli e sorelle; Parenti; Amici; Insegnanti; Esperti che aiutano i ragazzi; Adulti fidati; Istituzioni.

Ruolo della scuola nella socializzazione ai media

Supporto privacy; Consigli sul comportamento online; Indicazioni sui rischi online; Aiuto; Gruppo di discussione; Progetto di sensibilizzazione. L’USO DEI SOCIAL MEDIA PRATICHE IDENTITARIE NEI SOCIAL MEDIA

Pratiche di fruizione dei social media

Possesso account sui social media; Social media più frequentati.

Confini tra sfera privata e sfera pubblica

Impostazioni account

Informazioni personali (rappresentazione del sé)

Foto viso-profilo; Cognome; Indirizzo casa; Numero di cellulare; Scuola; Età esatta; Età falsa; Relazioni sentimentali; Foto e video.

Cosmesi Fotoritocco

Cercare nuovi amici

15 _{La raccolta dei dati è stata affidata alla società di ricerca Ipsos. Il report tecnico della} rilevazione è disponibile in appendice.

84

SOCIALITA’ E RELAZIONI NEI SOCIAL MEDIA

Amicizie sui social media

Aggiungere sconosciuti

Condividere informazioni con gli sconosciuti PRATICHE DI GESTIONE DELLA PRIVACY NEI SOCIAL MEDIA

Gestione preventiva della privacy

Pubblicare informazioni false; Non pubblicare informazioni; Messaggi in codice; Geolocalizzazione.

Gestione correttiva della privacy

Cancellare contatti, tag, commenti, post vecchi, account; Richiesta di rimozione foto; Pentirsi dei post pubblicati.

VIOLAZIONI DELLA PRIVACY E ABUSO DI DATI PERSONALI NEI SOCIAL MEDIA

Violazioni della privacy e abuso di dati personali

Tag indesiderato; Abuso di foto; Abuso di dati personali; Abuso di password e cellulare; Diffamazione; Furto d’identità; Problemi a scuola; Informazioni sensibili.

Tabella 3.2: Dimensioni, Indicatori e Variabili.

Analisi dei dati. Le informazioni raccolte attraverso la somministrazione del questionario sono state organizzate in una matrice di dati “casi per variabili” (casi in riga, variabili in colonna). Prima di procedere all’analisi dei dati, sono state svolte alcune operazioni preliminari di pulizia della matrice, attraverso il software Microsoft Excel. Completate le operazioni preliminari, si è passati all’analisi dei dati vera e propria, attraverso tre tecniche diverse:

1. Analisi monovariata;

2. Analisi bivariata;

3. Analisi multidimensionale.

Le analisi monovariate e bivariate sono state effettuate con il software XLSTAT, un componente aggiuntivo di Microsoft Excel. L’analisi monovariata, ovvero l’analisi descrittiva di una variabile per volta, è stata condotta in prima battuta sia per controllare eventuali errori nella matrice dei dati, sia per capire in maniera semplice e rapida la distribuzione di frequenza

85

delle singole variabili prese in esame. Quest’analisi si è rivelata molto utile anche per intercettare quelle modalità con frequenza troppo bassa rispetto all’andamento generale dei dati, che sono state quindi accorpate e ricodificate in maniera più sintetica. In questo modo si è passati da 248 a 202 modalità delle variabili. Inoltre, sono state raggruppate in classi le variabili Età genitore ed Età figlio e in questo modo l’intera matrice dei dati risulta composta solo da variabili categoriali. Sono stati poi calcolati i valori di tendenza centrale in base al tipo di variabile analizzata (la moda per le variabili categoriali con categorie non ordinate; la mediana per le variabili categoriali con categorie ordinate) e sono stati prodotti grafici e tabelle delle distribuzioni di frequenze (grafici a torta, diagrammi a barre e a colonne). Successivamente è stata effettuata l’analisi bivariata, ovvero l’analisi descrittiva di due variabili per volta, attraverso l’uso delle tabelle di contingenza. Nell’analisi bivariata, è stato calcolato il Chi quadrato per testare l’esistenza di un’associazione tra le variabili. Anche in questo caso sono stati prodotti grafici e tabelle per la presentazione dei dati.

Il terzo tipo di analisi svolta è l’analisi multidimensionale, che consente di studiare il fenomeno nella sua globalità a partire da alcune delle sue dimensioni più significative (Bolasco, 1999) con l’obiettivo di sintetizzare, visualizzare e interpretare la struttura dei dati nella loro interezza. Considerata la natura qualitativa delle variabili utilizzate, la tecnica di analisi multidimensionale più appropriata in questo caso è stata l’analisi delle corrispondenze multiple (ACM), introdotta negli anni Settanta dalla scuola francese di Analyse des données (Benzecrì, 1973), che consente di lavorare contemporaneamente su più variabili qualitative alla volta, rivelandosi particolarmente adatta all’analisi dei dati della survey.

A differenza delle analisi monovariata e bivariata, che hanno fornito output ricchi d’informazioni ma poveri di relazioni, lo scopo dell’ACM è quello di ridurre la quantità dell’informazione presente nei dati per ottenere un guadagno di significato in termini di associazioni tra le variabili (per questo analisi multidimensionale). L’ACM si basa, infatti, su analisi che privilegiano la relazione tra i dati e il suo più grande vantaggio consiste nell’individuare

86

quei fattori (o dimensioni) che sono principalmente rappresentativi dell’intero fenomeno indagato e che rendono rilevanti i contenuti informativi espressi nei dati. Un ulteriore vantaggio dell’ACM risiede nella possibilità di visualizzare le associazioni, anche complesse, tra le variabili: la rappresentazione grafica è infatti uno dei maggiori punti di forza della tecnica ed è un valido aiuto nella fase dell’interpretazione dei risultati. L’ACM è stata condotta mediante Spad (Système portable pour l’analyse des données), un software specifico per l’analisi esplorativa dei dati, che consente di eseguire un’analisi dettagliata ricorrendo ad un insieme di procedimenti autonomi, concatenati in diverse sequenze (filiere) a seconda dell’esigenza del ricercatore. Per effettuare l’ACM la filiera utilizzata con il software Spad è composta dai metodi Cormu, Defac. L’ACM è stata condotta individuando le variabili attive e le variabili illustrative.

Le variabili attive sono quelle che partecipano attivamente alla determinazione dei fattori di sintesi dei dati aiutando a descrivere gli aspetti manifesti del fenomeno indagato; le variabili supplementari o illustrative sono invece quelle che non partecipano attivamente all’individuazione della soluzione, ma semplicemente aiutano a descrivere meglio i fattori latenti del fenomeno. Nel nostro caso sono state considerate come variabili attive tutte quelle relative alle dimensioni dell’uso dei social media, delle pratiche identitarie, della socialità e relazioni, delle pratiche di gestione della privacy e delle violazioni della privacy e abuso dei dati personali; sono invece state usate come variabili illustrative quelle relative al contesto familiare e scolastico. Inoltre, si è ritenuto opportuno condurre l’ACM considerando validi solo le unità che hanno un account attivo sui social media (450 unità su 503) poiché l’obiettivo della ricerca è proprio quello di indagare le pratiche che gli utenti realizzano all’interno di tali piattaforme.

Gli output dell’ACM sono sia numerici che grafici. L’output grafico, in particolare, è un piano fattoriale che sintetizza i dati, composto da due assi perpendicolari tra loro. Dall’intersezione dei due assi fattoriali, che rappresentano ognuno una sintesi della variabilità presente nei dati, affiorano quattro quadranti, all’interno dei quali si collocano le modalità-variabile più

87

rappresentative del fenomeno. In questo caso, in base alla percentuale di inerzia spiegata, sono stati considerati come assi principali i primi due fattori, che spiegano circa l’80% della variabilità totale dei dati (per un approfondimento si rimanda al capitolo 6).

L’ultima fase dell’analisi dei dati, che è stata effettuata partire dai risultati dell’ACM, ha previsto una classificazione delle unità d’analisi in diversi gruppi attraverso la tecnica della cluster analysis (Lebart, Morineau, Warwick 1984), al fine di costruire una tipologia in grado di sintetizzare e interpretare i comportamenti online dei soggetti che hanno partecipato all’indagine. Anche la cluster analysis è stata realizzata con il software Spad, utilizzando ila filiera Recip Semis, Parti Decla. Si è fatto ricorso alla cluster analysis per individuare all’interno del campione gruppi di unità-individui simili tra loro rispetto a certe caratteristiche e diversi tra loro rispetto ad altre caratteristiche, in modo da ottenere gruppi omogenei al loro interno e eterogenei all’esterno, cioè rispetto ad altri gruppi-individui (Di Franco, 2017). Dalla clusterizzazione effettuata sono emerse quattro classi di utenti, visibili anche graficamente attraverso un diagramma ad albero, detto dendogramma. Nell’analisi condotta con la tecnica della cluster analysis, le dimensioni che hanno determinano la struttura delle classi sono state: L’uso dei social media, Pratiche identitarie nei social media, Socialità e relazioni nei social media, Pratiche di gestione della privacy, Violazioni della privacy e abuso di dati personali (variabili attive). Le variabili relative al contesto familiare e scolastico, invece, sono state utilizzate come ausilio all’interpretazione della composizione della tipologia (variabili illustrative/supplementari). Successivamente, è stato ottenuto l’output grafico del piano fattoriale sul quale sono rappresentati i baricentri delle quattro classi individuate e le modalità attive e illustrative usate nell’ACM, in modo da poter leggere le modalità caratteristiche di ciascuna classe (Saracino, 2013). I risultati della prima fase della ricerca, ottenuti attraverso metodi quantitativi, sono stati utilizzati come base di partenza per sviluppare un follow-up di natura qualitativa nella seconda fase dello studio, descritta nel paragrafo successivo.

88