La raccolta dati è avvenuta tramite la somministrazione di un questionario apposito all’interno del Comune di San Vincenzo e del Comune di Piombino.
Il campione è composto dai dipendenti di entrambe le amministrazioni pubbliche, per un totale di 184 partecipanti.
Vi è una leggera prevalenza del sesso femminile, in totale 100 (54,3%), mentre gli uomini rispondenti sono 84 (45,7%).
Per quanto riguarda l’età dei partecipanti, l’età media si attesta attorno ai 52 anni, con una deviazione standard di 8,40.
In relazione al titolo di studio, lo 0,5% possiede solo la licenza elementare; il 13,6 % possiede una licenza di scuola media; il 58,7% del campione possiede una licenza di scuola superiore; il 26,6% ha una laurea; lo 0,5% ha conseguito un master.
La compilazione del questionario è avvenuta in parte in forma online ed in parte in forma cartacea, per venire incontro alle esigenze di coloro che non disponevano di una postazione informatica sul luogo di lavoro.
La compilazione del suddetto richiedeva al massimo 15 minuti di tempo.
Ad ogni dipendente è stata inviata una breve lettera di presentazione del progetto di ricerca tramite e-mail, in cui veniva garantito l’anonimato delle rilevazioni, ed un link in allegato tramite il quale si poteva accedere alla compilazione online del questionario.
I dati ricevuti venivano automaticamente analizzati, producendo delle tabelle contenenti le risposte fornite dai singoli, assicurandone il totale anonimato.
54 4.2 - IL QUESTIONARIO E LE MISURE
4.2.1 - Social Dominance Orientation
Per la rilevazione della Social Dominance Orientation è stata utilizzata la versione 7 della “SDO Scale”, un adattamento italiano a cura di Aiello, Morselli, Tesi, Passini & Pratto (2017).
Essa consta di 16 item strutturati in due scale che misurano la SDO-D, ovvero quanto un individuo sia pro o contro la dominanza sociale, e la SDO-E, che analizza il grado di adesione al principio di uguaglianza tra gruppi.
Le affermazioni presentano un formato di risposta basato su una scala Likert a 7 punti, che rileva il grado di accordo o disaccordo in merito alla situazione descritta (da “0 = Completamente in disaccordo” a “6 = Completamente d’accordo”).
Esempi di item sono: “Alcuni gruppi di persone sono semplicemente inferiori rispetto ad altri gruppi” e “Si dovrebbe fare in modo che tutti i gruppi abbiano le stesse opportunità di successo”.
4.2.2 - Big Five Inventory
La misurazione dei tratti della personalità è avvenuta tramite l’utilizzo dello strumento “Big Five Inventory-10” di Rammstedt & John (2007).
Esso si compone appunto di 10 item strutturati come affermazioni e presentano un formato di risposta basato su una scala Likert a 5 punti, attraverso i quali i partecipanti devono rispondere se si trovano più o meno d’accordo con quanto enunciato (da “1 = Completamente in disaccordo” a “5 = Completamente d’accordo”).
55
Alcuni esempi di item sono: “Mi vedo come una persona che lavora in modo accurato” (coscienziosità); “Mi vedo come una persona che si innervosisce facilmente” (nevroticismo); “Mi vedo come una persona che ha pochi interessi artistici” (apertura all’esperienza).
4.2.3 - Sessismo
Per valutare il livello di sessismo presente all’interno delle due organizzazioni è stato utilizzato l’Ambivalent Sexism Inventory (Glick & Fiske, 1996).
Si tratta di un questionario composto da 22 item suddivisi in due scale, che misurano rispettivamente il sessismo ostile e quello benevolo.
Il formato di risposta è basato su una scala Likert a 6 punti (da “1 = Completamente in disaccordo” a “6 = Completamente d’accordo”).
Alcuni esempi degli 11 item relativi al sessismo ostile sono: “Le donne si offendono troppo facilmente” e “La maggior parte delle donne non apprezza appieno quanto gli uomini fanno per loro”; per quanto concerne il sessismo benevolo: “Per quanto realizzato sia, un uomo non è mai veramente completo come persona se non ha l’amore di una donna” e “Le donne dovrebbero essere coccolate e protette dagli uomini”.
4.2.4 - Pregiudizio
La rilevazione del grado di pregiudizio è avvenuta mediante la scala del “Pregiudizio Manifesto e Latente” (Pettigrew & Meertens, 1995), che consente di analizzare l’indice di rigidità culturale e di
56
verificare la presenza di atteggiamenti pregiudiziali basati su rappresentazioni di inclusione versus esclusione.
Gli item presenti al suo interno sono 20 e presentano un formato di risposta su scala Likert a 6 punti (da “0 = Per niente” a “5 = Moltissimo”).
Esempi di item riferiti al pregiudizio sottile sono: “Molti dei gruppi che si sono stabiliti in Italia tempo addietro sono riusciti a vincere i pregiudizi nei loro confronti e ad integrarsi nella vita del nostro Paese. Gli immigrati stranieri nel nostro Paese dovrebbero fare la stessa cosa senza godere di speciali favoritismi” e “Sarebbe preferibile che gli immigrati stranieri che vivono nel nostro Paese evitassero i posti in cui la loro presenza non è gradita”; per quanto riguarda il pregiudizio manifesto “Gli immigrati stranieri nel nostro Paese occupano posti di lavoro che spetterebbero agli italiani” e “Gli immigrati stranieri discendono da popolazioni che possiedono abilità meno sviluppate e questo spiega come mai non se la cavano altrettanto bene della maggior parte degli italiani”.
4.2.5 - Bisogno di Chiusura Cognitiva
La misurazione del Bisogno di Chiusura Cognitiva è avvenuta mediante l’utilizzo della scala “Revised Need for Cognitive Closure Scale” di Pierro & Kruglanski (2005).
Gli item che la compongono sono 14, strutturati come affermazioni e presentati su una scala Likert a 6 punti (da “1 = Completamente in disaccordo” a “6 = Completamente d’accordo”).
L’obiettivo è quello di analizzare alcuni bisogni attivabili da parte di contingenze situazionali. Alcuni esempi di item sono: “In caso di incertezza, preferisco arrivare ad una decisione immediata, qualunque essa sia” (intolleranza per l’ambiguità); “Preferisco le cose a cui sono abituato a ciò che
57
non conosco e non posso prevedere” (bisogno di prevedibilità); “Sono molto contrariato quando le cose intorno a me non sono al loro posto” (bisogno di ordine); “Quando mi trovo di fronte a diverse alternative tutte potenzialmente valide, decido rapidamente e senza esitazioni per una di esse” (decisionalità) e “Quando devo risolvere un problema, in genere non perdo tempo a considerare i diversi punti di vista su di esso” (chiusura mentale).
58 4.3 - PIANIFICAZIONE DELLE ANALISI APPLICATE AI DATI
Per quanto concerne l’analisi statistica dei dati è stato utilizzato il software SPSS (versione 21) per Windows.
I punteggi totali delle diverse scale derivano dalla somma di tutti gli item presenti all’interno di ciascuna scala e successivamente sottoposti ad analisi di tipo descrittiva.
In seguito i punteggi dei vari partecipanti sono stati confrontati in relazione al punteggio medio del range minimo e massimo della relativa scala.
Per analizzare le possibili correlazioni tra le variabili prese in esame, è stato utilizzato il coefficiente di correlazione R di Pearson, il quale può assumere valori compresi tra -1 (perfetta correlazione negativa) e +1 (perfetta correlazione positiva), con 0 che significa assenza di relazione.
Tale indice misura il tipo e l’intensità della relazione lineare esistente tra due variabili, che può essere: crescente, se le due variabili aumentano o diminuiscono insieme (relazione lineare positiva) oppure decrescente, se all’aumentare di una variabile l’altra diminuisce o viceversa. Anche se dovesse esistere una correlazione tra due variabili, non necessariamente giustificherebbe una relazione di causa-effetto tra di esse, in quanto potrebbe essere bidirezionale.
Successivamente sono state applicate regressioni lineari multiple per analizzare la relazione tra le variabili prese in considerazione nel presente elaborato.
La regressione lineare multipla consente di stimare la forza del legame tra più variabili indipendenti (predittori) e una variabile dipendente (variabile di risposta).
Nello specifico la SDO e il BFI sono stati utilizzati come variabili indipendenti mentre il sessismo e il pregiudizio sottile figurano come variabili dipendenti.
59
In questo caso si analizza la possibilità di una relazione di causa-effetto tra le variabili, cercando di trovare il miglior modello predittivo del fenomeno che si intende studiare.
Per l’analisi di regressione è stato utilizzato il coefficiente di regressione standardizzato Beta (ß), che esprime di quanto aumenta o diminuisce la variabile dipendente per ogni incremento unitario della variabile indipendente presa in considerazione.
60
5 - RISULTATI DELLE ANALISI STATISTICHE
Per quanto riguarda l’analisi dei risultati sono state calcolate in primis le statistiche descrittive, seguite dalle principali correlazioni tra le variabili.
Successivamente è stato costruito il modello di regressione lineare multipla, in cui le variabili dipendenti risultano essere in un caso il sessismo, considerando entrambe le sottoscale di sessismo ostile e sessismo benevolo, e nell’altro caso il pregiudizio sottile.