La content analysis quantitativa e qualitativa 50

Il termine content analysis apparse per la prima volta in Inghilterra nel 1941. In quel periodo la content analysis veniva utilizzata principalmente per effettuare un’analisi quantitativa sui giornali che in quegli anni avevo subito una rapida diffusione. La content analysis rimase una procedura unicamente quantitativa per quasi 50 anni, quando iniziarono ad emergere una serie di approcci che chiamarono loro stessi qualitativi sviluppando di fatto dei protocolli alternativi per l’analisi del testo. Ancora oggi la distinzione tra content analysis qualitativa e quantitativa è molto diffusa, ma prima di discutere le distinzioni è bene identificare i passaggi dell’analisi del contenuto. I passaggi proposti da Marilyn Domas White et. al. 2006 sono i seguenti:

1. Stabilire le domande di ricerca e le ipotesi;

2. Identificare i dati appropriati (testo o altro materiale);

3. Determinare il metodo di campionamento e l'unità di campionamento; 4. Stabilire il campione;

5. Stabilire l’unità di raccolta dati e l’unità di analisi;

6. Stabilire uno schema di codifica che consenta di testare le ipotesi; 7. Codificare i dati;

- 51 -

8. Verificare l'affidabilità della codifica e regolare la procedura di codifica se necessario;

9. Analizzare i dati codificati, applicando i test statistici appropriati; 10. Scrivi i risultati.

Si tratta di una procedura molto dettagliata costituita da un numero relativamente grande di passaggi. Altri autori, come ad esempio Krippendorff, individuano un numero inferiore di passaggi. Tuttavia, le procedure descritte sono analoghe e il numero inferiore o maggiore di passaggi dipende unicamente dall’accorpamento o dalla suddivisione degli stessi. Krippendorff ed esempio unisce i passaggi 6 e 7 in un unico punto che chiama semplicemente codifica. Le differenze principali tra content analysis qualitativa e quantitativa sono da riscontrare principalmente nelle fasi di: generazione delle ipotesi, campionamento, codifica, analisi dei dati codificati.

- 52 - Generazione delle ipotesi

La content analysis quantitativa deriva dall’applicazione del paradigma quantitativo ed è deduttiva nel suo approccio. L’obiettivo è quello di verificare le ipotesi precedentemente fatte e non di svilupparne di nuove. Quindi, un ricercatore attinge dalla teoria esistente e dalle ricerche già sviluppate per formulare delle ipotesi e successivamente utilizza l’analisi del contenuto per testarle.

In contrasto la content analysis qualitativa deriva dall’applicazione del paradigma qualitativo ed è induttiva nel suo approccio. Anche nell’approccio qualitativo vengono formulate ipotesi, ma l’attenzione è focalizzata maggiormente sulle domande di ricerca. Mentre il ricercatore analizza i dati raccolti per identificare concetti e modelli coerenti con le domande di ricerca stabilite, possono emergere concetti e modelli rilevanti ed importanti che precedentemente non erano stati presi in considerazione. In questo caso, il ricercatore può modificare le domande di ricerca e le ipotesi precedentemente fatte per perseguire questi nuovi modelli.

Campionamento

Sia i ricercatori qualitativi che quantitativi individuano il testo rilevante per il loro scopo e lo analizzano, ma i ricercatori qualitativi, in contrapposizione a quelli quantitativi, si concentrano sull’unicità del testo e sono consapevoli delle molteplici interpretazioni che si possono estrarre da un’attenta lettura dello stesso. Solitamente questa stretta analisi è molto dispendiosa in termini di tempo e quindi limita la dimensione del campione. Al contrario la content analysis quantitativa si basa su un campionamento sistematico, per consentire la generalizzazione a una popolazione più ampia. Con una popolazione relativamente non strutturata, l'ideale è il campionamento casuale, cioè il campionamento in cui la probabilità di qualsiasi unità all'interno della popolazione selezionata di essere inclusa nel campione è la stessa. L’oggetto della ricerca qualitativa non è la generalizzabilità

- 53 -

ma la trasferibilità. Quindi, il campionamento non ha bisogno di assicurare che tutti gli oggetti analizzati abbiano una probabilità uguale e prevedibile di essere inclusi nel campione. La trasferibilità si riferisce a un giudizio sul fatto che i risultati di un contesto siano applicabili a un altro. Inoltre, il campionamento nell’approccio quantitativo solitamente si conclude prima dell’inizio della codifica, mentre per l’approccio qualitativo può continuare anche successivamente. Alcuni casi possono essere selezionati prima di iniziare la codifica, ma la selezione e la codifica possono verificarsi anche in contemporanea con successiva selezione del caso in considerazione le scoperte fatte durante il processo di codifica.

Codifica

Uno schema di codifica rende operativi concetti che possono essere di per sé amorfi e stabilisce categorie rilevanti e valide per testare le ipotesi. La validità si riferisce alla misura in cui una categoria raggiunge gli aspetti essenziali del concetto che in essa viene codificato. Per determinare la validità i ricercatori valutano il più oggettivamente possibile la corrispondenza tra ciò che misurano ed il modo in cui lo misurano.

Un buono schema di codifica ha un numero di categorie e livelli esaustivi, cioè sufficiente a rappresentare tutti gli aspetti rilevanti del costrutto, ma non eccessivi da sovrapporsi a vicenda. Lo schema di codifica dovrebbe avere definizioni chiare, istruzioni facili da seguire ed esempi non ambigui. Tutte queste caratteristiche promuovono l'affidabilità della codifica, ovvero la probabilità che tutti i codificatori codifichino lo stesso articolo allo stesso modo o che un codificatore codifichi lo stesso articolo nello stesso modo in diversi momenti.

Nell'analisi del contenuto quantitativo lo schema di codifica è determinato a priori, cioè prima che inizi la codifica.

- 54 -

Per la codifica qualitativa, i primi punti focali del ricercatore non sono la struttura di codifica stabilita a priori, ma le iniziali domande a cui si prefigge di rispondere attraverso la sua ricerca. Come abbiamo detto in precedenza, l’approccio qualitativo è induttivo non deduttivo, quindi, le prove giocano un ruolo quasi altrettanto significativo delle domande iniziali nel plasmare l'analisi. Spesso il ricercatore determina la struttura di codifica mentre legge i documenti dai quali estrae i concetti chiave. La content analysis qualitativa ha sviluppato approcci simili a quella quantitativa di validità e affidabilità per valutare il rigore del processo di codifica e analisi.

Analisi dei dati codificati

Dopo la codifica il ricercatore deve eseguire una serie di passaggi per analizzare i dati codificati nel quadro delle ipotesi e delle domande di ricerca. In primo luogo, deve ridurre e semplificare i dati in modo da renderli gestibili ed applicabili alla ricerca. In secondo luogo, deve identificare ed articolare i modelli e le relazioni tra le sue scoperte in modo da verificare le ipotesi e rispondere alle domande di ricerca. Infine, deve mettere in prospettiva le sue scoperte collegando i suoi risultati a quelli di altri studi.

Nell’analizzare i contenuti in una prospettiva quantitativa è possibile scegliere tra una varietà di approcci statistici e tecniche per presentare e testare i risultati. Molto spesso si tratta di tecniche complesse che richiedono diverse scale di misura per le variabili. L’approccio da scegliere deve tenere in considerazione non solo le domande di ricerca, ma anche la natura dei dati che si hanno a disposizione. Spesso le decisioni delle tecniche da utilizzare vengono prese nelle fasi iniziali del progetto perché influenzano come questo verrà sviluppato.

Nella content analysis qualitativa l’analisi dei dati è integrata nel processo di codifica e per certi versi anche nella formulazione delle domande di ricerca. L’enfasi

- 55 -

è sempre rivolta a rispondere alle domande di ricerca, ma queste possono variare e trasformarsi a causa dei temi che emergono durante la codifica e l’analisi dei dati. Spesso il risultato dell'analisi qualitativa è un quadro composito del fenomeno studiato. Nel presentare i risultati, il ricercatore può usare numeri, percentuali, tabelle incrociate per mostrare le relazioni, ma può anche fare affidamento semplicemente sul graduale accrescimento dei dettagli nella sua presentazione testuale senza ricorrere ai numeri.