Il framework proposto da Krippendorff 58

Sulla base della definizione che abbiamo riportato Krippendorff (2004) ha sviluppato un framework con tre finalità principali: guidare la concettualizzazione e la progettazione pratica delle ricerche di content analysis, facilitare l’esaminazione critica e la comparazione delle content analysis pubblicate, stabilire dei criteri e degli standard che i ricercatori possono utilizzare per valutare la content analysis in corso. Il Framework è riportato in Figura 5 ed è composto da 6 elementi principali: i dati di partenza, la domanda di ricerca, un contesto, un costrutto analitico, le inferenze per rispondere alle domande di ricerca, la validazione delle evidenze.

- 59 -

FIGURA 5: IL FRAMEWORK PROPOSTO DA KRIPPENDORFF; KRIPPENDORF (2004)

Tra i dati utilizzati in una content analysis sicuramente i dati testuali sono i più importanti e frequenti. Il testo appropriato per la content analysis deve avere 7 caratteristiche fondamentali: coesione, coerenza, intenzionalità, accettabilità, informatività, situazionalità e intertestualità (Marilyn Domas White 2006). In altre parole, il testo dovrebbe essere composto da elementi linguistici disposti in una sequenza lineare in modo tale da creare un messaggio (coesione). Il testo deve avere un significato, spesso stabilito attraverso relazioni o implicazioni e deve essere comprensibile per il destinatario (coerenza). Lo scopo dello scrittore deve essere quello di trasmettere un significato (intenzionalità). Viceversa, i destinatari del messaggio comprendono il messaggio e si aspettano che sia utile e pertinente (accettabilità). Il testo può contenere informazioni nuove o previste (informatività). Il contesto nel quale il testo si inserisce influisce sulla sua produzione e ne determina i contenuti (situazionalità). Il testo è spesso correlato a ciò che precede e segue, come in una conversazione (intertestualità), o è correlato ad altri testi simili, ad esempio, altri all'interno di un genere (un altro significato di intertestualità). Un’altra fonte di informazioni importante, oltre ai dati testuali, sono le interviste. Vengono definite interviste acquisite quelle che non vengono

- 60 -

condotte dal ricercatore, ma da altre persone non associate alla ricerca. In queste interviste i ricercatori non hanno il controllo degli argomenti trattati, quindi è necessario scegliere accuratamente le interviste rilevanti. Inoltre, le interviste considerate devono essere rappresentative dell’output verbale delle persone considerate. Precisiamo che la rappresentatività del campione di fonti utilizzato deve essere caratteristica comune a tutte le fonti selezionate. Altri dati importanti che rientrano nella parte di definizione “altra materia significativa” sono: video, immagini, risposte su questionari, dichiarazioni, pagine web, messaggistica individuale, messaggistica interpersonale e di gruppo, messaggistica organizzativa e messaggistica di massa (Marilyn Domas White 2006). Anche queste fonti devono essere contestualizzate per poter essere valutate in modo completo.

Le domande di ricerca sono l’obiettivo delle inferenze dei ricercatori. Una domanda di ricerca è analoga ad una serie di ipotesi, che vengono risolte attraverso l’inferenza sui dati. Ci sono due ragioni principali per le quali la content analysis deve iniziare dalle domande di ricerca prima di fare qualunque indagine: efficienza e fondamento empirico (Krippendorff 2004). Quando un ricercatore è motivato da una specifica domanda di ricerca, l’analisi può procedere più velocemente dal campionamento di dati rilevanti per rispondere alle domande specifiche. Inoltre, i dati vengono analizzati con uno scopo preciso e non per quello a cui potrebbero portare a pensare l’autore o per quello che dicono in astratto. La ricerca della risposta alle domande di ricerca da fondamento empirico all’analisi, perché le risposte comportano rivendicazioni di verità che potrebbero essere supportate, se non da osservazioni dirette, almeno da argomentazioni plausibili che derivano dalle osservazioni correlate. Le domande di ricerca valide per una content analysis devono avere le seguenti caratteristiche:

- devono essere possibile rispondere ad esse attraverso l’analisi dei dati che rientrano nella content analysis che abbiamo visto nel paragrafo precedente,

- 61 -

- devono delineare una serie di possibili risposte, - devono riguardare un fenomeno per ora inaccessibile,

- devono ammettere per la validazione o invalidazione, almeno in principio, un altro modo di osservare o convalidare gli eventi del fenomeno analizzato. Il contesto è l’ambiente concettuale dei dati, la situazione in cui sono inseriti. Nella content analysis il contesto esprime cosa il ricercatore fa con i dati, esso può essere considerato la migliore ipotesi del ricercatore su da dove il testo (ed i dati in generale) proviene, qual è il suo significato, cosa può dire o fare. Il contesto specifica il mondo all’interno del quale i dati possono essere correlati alle domande di ricerca. Questo mondo solitamente è solamente uno dei tanti che potrebbero essere considerati e dipende dalle prospettive con le quali il ricercatore affronta l’argomento di ricerca.

Il costrutto analitico rende operativo cosa la content analysis conosce riguardo al contesto. In modo specifico è l’insieme di correlazioni che sono assunte per spiegare come i dati disponibili sono collegati alle risposte possibili alle domande di ricerca e le condizioni sotto le quali queste correlazioni possono cambiare (Krippendorff 2004). Il costrutto analitico viene estratto dal contesto conosciuto ed inserito nel processo di ricerca. Garantisce che un’analisi sui dati non modifichi il contesto di uso dei dati. Ciò vuol dire che l’analisi non procede in violazione di cosa è conosciuto riguardo alle condizioni che circondano i dati. Inoltre, il costrutto analitico rende le conoscenze trasferibili ad altre content analysis e rende le procedure verificabili da altri studenti o ricercatori.

La natura inferenziale della content analysis rende il passaggio di costruire inferenze fondamentale. Spesso questo passaggio avviene durante la codifica manuale dei dati. Possono venire distinti tre tipi di inferenze: deduttive, induttive

- 62 -

abduttive. Quella rilevante per la content analysis è solamente quella abduttiva. L’inferenza abduttiva procede attraverso domini logicamente distinti, da particolari di un tipo a particolari di un altro tipo, tenendo in considerazione le caratteristiche dei dati.

Ogni content analysis deve essere validabile. Una caratteristica della content analysis e che spesso studia fenomeni nei quali non ci sono osservazioni dirette ed evidenti che possono confermare le evidenze della ricerca. Quindi, la validazione può essere difficile o impossibile nella pratica, di conseguenza nella content analisi la validità viene raggiunta attraverso la replicabilità ovvero rendendo il processo ripetibile da chiunque voglia verificalo.

1.4.5 LA TECNOLOGIA A SUPPORTO DELLA CONTENT ANALYSIS TRA QUALITÀ E