Meto.pdf

# Fondamenti della ricerca scientifica in psicologia La psicologia emerge come disciplina scientifica attraverso l'adozione del metodo scientifico, basandosi su principi empirici e logici per la comprensione del comportamento umano [2](#page=2). ## 1. Origini e fondamenti della psicologia come scienza La psicologia ha iniziato il suo percorso come scienza autonoma adottando il metodo scientifico. Alcuni collocano questa transizione nel 1875, altri nel 1879 in Germania, grazie al lavoro di figure come Weber e Fechner. Le prime domande fondamentali riguardavano la misurazione della relazione tra l'intensità fisica di uno stimolo e la percezione di tale stimolo, nonché il passaggio da comportamenti semplici a processi più complessi. Hermann Ebbinghaus, con le sue leggi della memoria ha posto le basi per lo studio scientifico della memoria, dando origine anche alla psicometria [2](#page=2). > **Tip:** L'adozione del metodo scientifico è stata cruciale per differenziare la psicologia dalla speculazione filosofica, permettendole di studiare il comportamento umano come fenomeno naturale [2](#page=2) [3](#page=3). ### 1.1 L'Evidence Based Practice in Psychology (EBPP) L'Evidence Based Practice in Psychology (EBPP) è un movimento che promuove l'applicazione di pratiche psicologiche basate su prove scientifiche. È un'espressione ufficiale dell'APA e promuove un approccio clinico che integra tre pilastri fondamentali [2](#page=2): * **Best research evidence:** Utilizzo di pratiche terapeutiche e diagnostiche con solido fondamento scientifico, supportate da studi replicati e consenso nella comunità scientifica [3](#page=3). * **Clinical expertise:** L'esperienza clinica del professionista è essenziale e deve essere costantemente aggiornata alla luce delle evidenze scientifiche [3](#page=3). * **Patient's values and preferences:** La centralità della persona, considerando il sistema di valori, credenze e aspettative del paziente nella proposta terapeutica (trattamento "su misura") [3](#page=3). L'EBPP ha portato a un approccio di "medicina di precisione" in psicologia, focalizzato sul problema personale del paziente piuttosto che sulla malattia in generale [3](#page=3). ## 2. Mezzi di conoscenza in psicologia Gli esseri umani utilizzano diversi mezzi per acquisire conoscenza. Questi possono essere categorizzati in metodi non empirici ed empirici [4](#page=4). ### 2.1 Metodi non empirici I metodi non empirici si basano su principi come l'autorità, la logica e la coerenza interna, senza fare affidamento diretto sull'esperienza osservabile [4](#page=4). #### 2.1.1 Principio di autorità Il principio di autorità si basa sulla credenza nella verità di un'affermazione perché pronunciata da una persona rispettata. Sebbene ampiamente utilizzato in molti ambiti sociali (famiglia, scuola), presenta diverse criticità quando applicato alla conoscenza oggettiva [4](#page=4): * **Dipendenza dal riconoscimento:** L'autorità esiste solo se riconosciuta, e non è chiaro come questo principio possa favorire l'aumento continuo delle conoscenze. La scienza si basa sulla credibilità derivante dal lavoro scientifico e dalle evidenze, non sull'autorità [4](#page=4). * **Contrasto tra autorità:** Le autorità possono essere in contrasto tra loro, creando ambiguità [4](#page=4). * **Possibilità di errore:** Le autorità possono commettere errori, e il principio di autorità fatica ad ammettere processi autocorrettivi [4](#page=4). La scienza, al contrario, mira all'innovazione e alla scoperta del nuovo, basandosi su dimostrazioni empiriche piuttosto che su asserzioni. Le scuole di pensiero psicologico possono talvolta degenerare in sistemi basati sull'autorità, rivendicando il dominio della verità assoluta [4](#page=4) [5](#page=5). #### 2.1.2 Logica La logica è uno strumento fondamentale per trarre conclusioni corrette, ma da sola non è sufficiente a garantire la verità di un'affermazione. Un'affermazione può essere logicamente valida ma falsa nella realtà se le sue premesse non corrispondono ai fatti. La scienza dialoga con la logica, ma non si esaurisce in essa; è un metodo empirico che necessita di verifica con la realtà. La logica è cruciale per costruire teorie basate su connessioni causa-effetto e per derivare ipotesi falsificabili. La scienza richiede la coerenza tra ipotesi, operalizzazione e disegno dello studio, privilegiando processi induttivi e, sempre più spesso, la preregistrazione degli studi per garantire trasparenza e replicabilità. La logica, come il linguaggio matematico, aiuta a descrivere relazioni funzionali in termini formali e comunicabili, ma l'interesse scientifico è rivolto alla realtà e alla sua descrizione ottimale tramite modelli validati empiricamente [5](#page=5) [6](#page=6). ### 2.2 Metodi empirici I metodi empirici si basano sull'esperienza e sull'osservazione diretta [6](#page=6). #### 2.2.1 Intuizione L'intuizione è una forma di conoscenza empirica che non si basa su logica esplicita, ma su processi istintivi e spontanei. Sebbene possa fornire intuizioni illuminanti e guidare decisioni, spesso non offre una spiegazione chiara del perché un fenomeno accada, né garantisce la correttezza della soluzione trovata. La psicologia cognitiva ha evidenziato la centralità dell'intuizione nel decision-making, ma la sua formalizzazione e replicabilità sono difficili da stabilire a causa della natura implicita dei processi mentali coinvolti [6](#page=6). > **Tip:** L'intuizione può generare ipotesi scientifiche, ma queste devono poi essere sottoposte a validazione empirica attraverso la ricerca scientifica [6](#page=6). #### 2.2.2 Scienza La scienza è un metodo di conoscenza empirico che si distingue per il suo approccio sistematico e per la sua capacità di verificare le proprie affermazioni attraverso prove. Si differenzia da altri metodi perché [3](#page=3) [7](#page=7): 1. Non accetta un'ipotesi per vera a priori, ma la utilizza come punto di partenza per la costruzione di uno studio [6](#page=6). 2. Cerca di spiegare i fenomeni attraverso nessi causa-effetto verificabili, superando il mero presentimento intuitivo [6](#page=6). La scienza si occupa di fenomeni naturali, anche quelli che appaiono irrazionali, purché siano misurabili e spiegabili attraverso leggi razionali [6](#page=6). #### 2.2.3 Senso comune Il senso comune si basa su metodi informali di conoscenza empirica, spesso legati all'accordo di opinioni all'interno di un gruppo. Tende ad essere conservatore, a tramandare modalità condivise e a generare profezie che si autoavverano, ma limita la scoperta del nuovo e il pensiero "out of the box". La scienza, al contrario, mira al progresso e all'innovazione, ponendo quesiti su ciò che non si conosce. Il senso comune può essere utile per gestire realtà semplici e note, basandosi sull'accordo e sul principio di autorità collettiva, ma non è adatto a definire leggi universali [7](#page=7). > **Tip:** Il senso comune, pur non essendo disprezzabile, tende a bloccare l'innovazione scientifica perché si basa su assiomi non verificati e una visione spesso contestuale e pragmatica, piuttosto che teorica e universale [7](#page=7) [8](#page=8). ## 3. La ricerca scientifica: struttura e principi Una ricerca scientifica ben strutturata segue un percorso definito per garantire rigore e replicabilità [8](#page=8). ### 3.1 Struttura di un lavoro scientifico La struttura tipica di un lavoro scientifico include: * **Introduzione:** Presenta lo stato dell'arte, definisce il problema, delinea gli obiettivi e formula l'ipotesi di ricerca. Ogni affermazione deve essere supportata da citazioni di studi precedenti [11](#page=11) [12](#page=12). * **Metodo:** Descrive dettagliatamente i partecipanti, le procedure e le analisi dei dati in modo da permettere la replicabilità dello studio. Viene spesso integrato dal "materiale supplementare" per dettagli aggiuntivi [12](#page=12). * **Risultati:** Presenta i dati raccolti in modo tecnico e statistico, spesso utilizzando grafici e tabelle per una chiara visualizzazione [14](#page=14). * **Discussione:** Interpreta i risultati alla luce della letteratura esistente, ne discute le implicazioni e identifica i limiti dello studio, proponendo nuove prospettive di ricerca [14](#page=14). * **Limiti:** Una sezione dedicata al riconoscimento delle restrizioni e delle potenziali criticità dello studio [14](#page=14) [8](#page=8). * **Bibliografia:** Elenca tutte le fonti citate nel testo [15](#page=15). ### 3.2 Indicatori di ricerca Indicatori come lo **Scopus** (per la ricerca sui ricercatori e la loro produzione scientifica) e l'**Impact Factor** (per valutare l'influenza di una rivista) sono utilizzati per quantificare la produttività e l'impatto della ricerca [8](#page=8). ### 3.3 Principi della scienza La scienza è caratterizzata da una serie di attributi fondamentali: * **Empirismo:** Si basa sull'esperienza e sull'osservazione diretta piuttosto che sull'autorità o sul senso comune [21](#page=21). * **Oggettività:** Mira a procedure che rendano osservazioni e risultati indipendenti dalle aspettative e dagli interessi del ricercatore, garantendo la replicabilità [21](#page=21). * **Autocorrezione:** Possiede meccanismi interni per correggere errori e conoscenze obsolete alla luce di nuovi dati [22](#page=22). * **Progresso:** È un processo continuo di avanzamento della conoscenza, guidato dalla curiosità e dalla messa in discussione delle posizioni acquisite [22](#page=22). * **Possibilità:** È aperta a nuove ipotesi e scoperte, riconoscendo che nessuna conoscenza è definitiva [23](#page=23). * **Risparmio:** Privilegia la spiegazione più semplice e parsimoniosa di un fenomeno [23](#page=23). * **Teorica:** Mira a sviluppare teorie che spieghino il funzionamento dei fenomeni studiati, avanzando attraverso la falsificazione di ipotesi [23](#page=23). * **Razionalità:** Assume che il mondo sia comprensibile attraverso il pensiero logico e matematico, indipendentemente dalla razionalità del comportamento umano [23](#page=23). * **Regolarità:** Cerca leggi universali che governano i fenomeni, compreso il comportamento umano, in ogni tempo e luogo [23](#page=23) [24](#page=24). * **Scopribilità:** Assumendo che il mondo sia reale e governato da regole, ritiene che il suo funzionamento sia scopribile [24](#page=24). * **Causalità:** Presuppone che i fenomeni abbiano origini naturali e relazioni causa-effetto descrivibili [24](#page=24). > **Tip:** La scienza è un'impresa culturale in continua evoluzione, caratterizzata dalla libertà di pensiero, dalla trasparenza e dal dialogo con altri ambiti del sapere, pur mantenendo un rigore metodologico volto a minimizzare le distorsioni e massimizzare la validità delle scoperte [19](#page=19) [20](#page=20). ### 3.4 Criticità nella ricerca È importante essere consapevoli di potenziali errori come le **Jingle-jangle fallacies**, ovvero l'uso di nomi diversi per concetti simili o di aggettivi che nascondono significati diversi, portando a una cattiva operalizzazione delle idee [19](#page=19). La scienza, pur non abolendo altri saperi, dialoga con essi e li integra quando pertinente. L'adozione del metodo scientifico non è universale e alcuni ambiti del sapere umano progrediscono senza di esso. Tuttavia, nel campo della psicologia, l'approccio scientifico è fondamentale per comprendere il comportamento umano in modo rigoroso e replicabile [19](#page=19) [3](#page=3). --- # Metodologie di ricerca e disegno sperimentale Questo argomento delinea le fasi della ricerca scientifica e le diverse tipologie di disegni di ricerca utilizzate in psicologia, enfatizzando l'importanza della precisione metodologica e della replicabilità dei risultati. ### 2.1 Struttura di un articolo scientifico Un articolo scientifico è strutturato per guidare il lettore attraverso il processo di ricerca, dalla presentazione del problema alle conclusioni. #### 2.1.1 Introduzione L'introduzione presenta il contesto della ricerca, la letteratura pregressa, lo scopo dello studio e le ipotesi. Ogni affermazione deve essere supportata da citazioni di lavori scientifici fondamentali per conferire solidità alle argomentazioni. L'ipotesi viene solitamente formulata al termine dell'introduzione, delineando le aspettative sui risultati [12](#page=12). #### 2.1.2 Metodi Questa sezione è cruciale per la replicabilità dei risultati. Deve fornire dettagli sufficienti per consentire ad altri ricercatori di replicare lo studio. Spesso, per rispettare i limiti di spazio del lavoro principale, dettagli esaustivi vengono forniti nel materiale supplementare, che non ha limiti di pubblicazione cartacea ma è accessibile tramite un link [12](#page=12). La sezione metodi si articola in: * **Partecipanti:** Descrizione delle caratteristiche demografiche dei soggetti inclusi nello studio, con indicazione delle procedure di esclusione [12](#page=12). * **Procedure:** Dettagli sull'allestimento sperimentale, il consenso informato dei partecipanti (con distinguo per minori e adulti), l'approvazione del comitato etico e la gestione dei dati (raccolta, conservazione, anonimizzazione). Viene menzionata la pre-registrazione degli studi come strumento per garantire trasparenza e prevenire bias [13](#page=13). * **Misure:** Descrizione degli strumenti utilizzati, il loro scopo, l'eventuale validazione in lingua italiana e le proprietà psicometriche. Il processo di traduzione degli strumenti, inclusa la back-translation, è fondamentale per garantirne l'equivalenza culturale e linguistica [13](#page=13) [14](#page=14). * **Analisi dei dati:** Descrizione accurata delle procedure di analisi utilizzate e del software impiegato, essenziale per la replicabilità. Talvolta questa sezione è inclusa nel materiale supplementare [14](#page=14). #### 2.1.3 Risultati Questa parte è strettamente tecnica e utilizza un linguaggio matematico-statistico per presentare i dati raccolti. L'efficacia nella presentazione dei risultati è cruciale e spesso si avvale di materiale grafico (tabelle e figure) per guidare il lettore. Il contenuto delle tabelle e delle figure non deve sovrapporsi al testo [14](#page=14). #### 2.1.4 Discussione La discussione mette in relazione i risultati dello studio con la letteratura esistente, evidenziando come i risultati estendano le conoscenze nel campo. Include la presentazione dei limiti dello studio e delle nuove prospettive di ricerca. Ogni affermazione deve essere supportata da dati, e la discussione non deve estendersi a inferenze non fondate sui risultati. La sezione sui limiti è dedicata al riconoscimento delle criticità dello studio, che possono essere superabili in ricerche future o attraverso modifiche metodologiche [14](#page=14) [15](#page=15). #### 2.1.5 Bibliografia e Appendici Seguono la bibliografia, che elenca tutti gli articoli citati nel testo, e le eventuali tabelle e figure [15](#page=15). #### 2.1.6 Invio e Revisione del Manoscritto Il processo di invio del manoscritto coinvolge un autore corrispondente e segue le norme della rivista scelta. La revisione è solitamente anonima e coinvolge revisori esperti che valutano la metodologia e l'innovatività dello studio. L'editor prende la decisione finale basandosi sui commenti dei revisori e sulla coerenza del lavoro con il profilo della rivista [15](#page=15) [16](#page=16). ### 2.2 Concetti fondamentali della ricerca scientifica in psicologia La ricerca scientifica in psicologia mira a scoprire regolarità, leggi e cause dei fenomeni comportamentali, affrontando la complessità dei costrutti psicologici. #### 2.2.1 Scopi della scienza * **Scoprire le regolarità:** Identificare pattern e associazioni regolari tra eventi comportamentali, riconoscendo che in psicologia le leggi hanno natura probabilistica e non deterministica [29](#page=29). * **Scoprire le leggi:** Stabilire relazioni funzionali tra variabili, spesso espresse in termini di intensità di interdipendenza reciproca attraverso modelli matematici. Una legge scientifica è un'asserzione di associazione regolare tra eventi, non necessariamente causale [29](#page=29). * **Ricercare le cause:** Individuare i fattori che influenzano il comportamento, tenendo conto della multi-causalità e della complessità delle relazioni causa-effetto [31](#page=31). #### 2.2.2 Variabili latenti e costrutti * **Variabili latenti:** Caratteristiche psicologiche non direttamente osservabili ma inferite attraverso indicatori osservabili. Rappresentano costrutti teorici che spiegano reti di comportamenti e le loro interdipendenze [26](#page=26). * **Costrutti:** Concetti teorici psicologici che rappresentano realtà non direttamente osservabili ma che vengono avvicinate attraverso misure indirette. Sono ipotesi scientifiche che si evolvono con l'acquisizione di nuovi dati empirici. Una teoria psicologica è scientifica se include sia una "componente di misurazione" (indicatori per valutare un costrutto) sia una "componente strutturale" (modelli delle relazioni tra costrutti) [26](#page=26) [30](#page=30). #### 2.2.3 La causalità nella ricerca Stabilire rapporti causali è complesso e richiede l'osservanza di tre pilastri: isolamento, associazione e direzione dell'influenza [32](#page=32). * **Isolamento:** Togliere di mezzo ogni altra influenza sistematica tra la variabile indipendente (X) e quella dipendente (Y). L'isolamento perfetto è un ideale irraggiungibile nella psicologia; si persegue uno "pseudoisolamento" attraverso varie tecniche [33](#page=33). * **Tecniche per lo pseudoisolamento:** * **Selezione delle osservazioni:** Mantenere costanti le variabili di disturbo note [33](#page=33). * **Controllo statistico:** Rimuovere statisticamente l'effetto di variabili disturbo note, misurandole e utilizzandole come covariate [33](#page=33). * **Randomizzazione:** Tecnica potente per convertire le differenze sistematiche in errore casuale, efficace soprattutto per le variabili ignote, ma richiede la manipolazione della variabile indipendente [34](#page=34). * **Associazione:** La semplice correlazione non implica causalità [32](#page=32). * **Direzione dell'influenza:** La causa deve precedere l'effetto, e la ricerca causale deve permettere di stabilire questa sequenzialità [31](#page=31). #### 2.2.4 Modelli di ricerca * **Modelli bivariati:** Relazioni tra due variabili, spesso insufficienti a cogliere la complessità delle relazioni funzionali a causa di variabili intervenienti [37](#page=37). * **Variabile moderatrice:** Influenza la forza o la direzione della relazione tra variabile indipendente e dipendente (es. genere). Omettere una variabile moderatrice può portare a violazioni dello pseudo-isolamento [37](#page=37). * **Variabile mediatrice:** Spiega il meccanismo attraverso cui la variabile indipendente influenza quella dipendente, interponendosi tra di esse. I modelli di mediazione dividono l'effetto totale in effetto diretto e indiretto [37](#page=37) [41](#page=41). * **Effetto soppressore:** Una variabile esogena che, se omessa, distorce la relazione tra due variabili, portando a una stima errata (spesso nulla) della loro interazione [42](#page=42). #### 2.2.5 Campionamento Il campionamento è cruciale per la generalizzabilità dei risultati, introducendo una quota di errore casuale [39](#page=39). * **Tipi di campionamento:** * **Arbitrario:** Pericoloso, basato sulla convenienza del ricercatore [63](#page=63). * **Finalizzato a uno scopo:** Ricercatore identifica soggetti coerenti con lo scopo dello studio, ma non garantisce rappresentatività [63](#page=63). * **Di convenienza:** Diffuso in psicologia, basato su criteri di reclutamento chiari e un bacino definito. Rappresenta un compromesso tra accuratezza e fattibilità [63](#page=63). * **Probabilistico:** Garantisce che ogni unità abbia una probabilità nota di essere inclusa nel campione. * **Casuale semplice:** Ogni unità ha la stessa probabilità di essere scelta. Richiede un elenco completo della popolazione [64](#page=64). * **Casuale stratificato:** La popolazione viene divisa in sottogruppi (strati), e si estrae un campione casuale da ciascuno strato, garantendo la rappresentatività dei sottogruppi [65](#page=65). * **A gruppi (cluster):** La popolazione viene divisa in gruppi (cluster), dai quali si estraggono casualmente i campioni [65](#page=65). #### 2.2.6 Logica dell'esperimento e disegni di ricerca La logica sperimentale si basa sulla manipolazione attiva di variabili indipendenti per osservarne gli effetti sulle variabili dipendenti, con assegnazione casuale dei partecipanti [48](#page=48). * **Disegni sperimentali:** Piani generali che definiscono variabili indipendenti, livelli, modalità di randomizzazione e numerosità campionaria. L'obiettivo è eliminare fonti di variazione sistematica e minimizzare l'errore casuale [48](#page=48) [55](#page=55). * **Tipi di disegni:** * **Osservazionale:** Nessuna manipolazione della variabile indipendente, solo osservazione dei fenomeni nel loro contesto naturale. Minore garanzia di pseudo-isolamento a causa di variabili intervenienti non controllate [55](#page=55). * **Quasi-sperimentale:** Manipolazione della variabile indipendente assente o parziale, ma con assegnazione non casuale dei soggetti ai gruppi. Richiede controllo statistico. Elevata validità ecologica [56](#page=56). * **Sperimentale:** Manipolazione attiva delle variabili indipendenti e assegnazione casuale dei soggetti ai trattamenti. Elevato controllo delle fonti di confusione e indicazione di nessi causali. I limiti includono la difficoltà di applicazione in alcuni contesti e la possibile limitata generalizzabilità dei risultati da contesti di laboratorio [57](#page=57). #### 2.2.7 Disegni specifici * **Disegni a blocchi:** Raggruppano unità sperimentali simili (blocchi) per ridurre l'errore e aumentare la precisione delle stime [71](#page=71). * **Disegno a blocchi randomizzati:** Trattamenti assegnati casualmente entro ciascun blocco. Controlla le differenze sistematiche tra blocchi e garantisce bilanciamento dei trattamenti [72](#page=72). * **Disegni a quadrati latini:** Controllano contemporaneamente due fonti di disturbo (es. ordine di somministrazione e unità sperimentale). Ogni trattamento compare una sola volta per riga e per colonna, garantendo bilanciamento [76](#page=76). * **Disegni crossover:** Disegni entro-soggetto in cui ogni partecipante riceve più trattamenti in tempi diversi. Richiedono un "periodo di wash-out" per evitare effetti di trascinamento (carry-over). Se il carry-over è assente, si riducono a disegni a quadrati latini [77](#page=77) [78](#page=78). #### 2.2.8 Analisi statistiche e concetti chiave * **Significatività statistica (p-value):** Probabilità di osservare il risultato campionario se l'ipotesi nulla fosse vera in popolazione. Un valore basso (convenzionalmente < 0.05) indica che il risultato è statisticamente significativo [50](#page=50). * **Potenza del test:** Probabilità di identificare una differenza significativa quando questa esiste realmente in popolazione (1 - probabilità di errore di Tipo II). È cruciale nella pianificazione dello studio per determinare la numerosità campionaria necessaria [51](#page=51). * **Effect size (dimensione dell'effetto):** Misura la forza della relazione tra variabili, indicando la rilevanza pratica del risultato, indipendentemente dalla significatività statistica [51](#page=51). * **Errori di Tipo I e Tipo II:** * **Errore di Tipo I (falso positivo):** Rifiutare l'ipotesi nulla quando è vera. Il livello di significatività (alfa) controlla questo errore [50](#page=50). * **Errore di Tipo II (falso negativo):** Non rifiutare l'ipotesi nulla quando è falsa. La potenza del test è correlata a questo errore [50](#page=50). * **Intervallo di confidenza:** Intervallo di valori che probabilmente contiene il vero parametro della popolazione, fornendo una stima della precisione della stima campionaria [53](#page=53). * **Legge dell'additività:** Modello concettuale base in cui l'osservazione è la somma dell'effetto del trattamento e dell'errore casuale. Applicabile quando gli effetti dei trattamenti sono costanti e le osservazioni sono indipendenti [66](#page=66). * **Modelli a effetti fissi vs. effetti random:** Nei modelli a effetti fissi, l'effetto del trattamento è considerato costante per tutte le unità. Nei modelli a effetti random, si ammette che gli effetti possano variare casualmente tra le unità. Il rigore metodologico, la scelta appropriata del disegno sperimentale e delle tecniche di campionamento sono fondamentali per garantire la validità e la generalizzabilità dei risultati nella ricerca psicologica. --- # Concetti chiave nella misurazione e analisi dei dati Ecco la guida allo studio sui concetti chiave nella misurazione e analisi dei dati in psicologia. ## 3. Concetti chiave nella misurazione e analisi dei dati La misurazione e l'analisi dei dati in psicologia sono fondamentali per trasformare costrutti astratti in affermazioni empiricamente verificabili, consentendo la scoperta di regolarità e leggi del comportamento umano [25](#page=25). ### 3.1 Variabili latenti e costrutti Le variabili latenti e i costrutti sono al centro della ricerca psicologica, poiché molti dei fenomeni di interesse non sono direttamente osservabili [25](#page=25). #### 3.1.1 Variabili latenti Le variabili latenti rappresentano realtà naturali che esistono indipendentemente dall'osservatore e influenzano simultaneamente una serie di comportamenti osservabili. Spiegano perché diversi comportamenti tendono a correlare tra loro. Nella psicologia, le variabili latenti sono considerate ipotesi di lavoro relative alle relazioni funzionali tra osservabili. Sono rappresentate graficamente con cerchi, mentre le variabili osservabili sono rappresentate da quadrati [16](#page=16) [25](#page=25) [26](#page=26). #### 3.1.2 Costrutti Un costrutto (dal latino "construere", costruire) è un termine tecnico della psicologia che rappresenta una realtà (osservabile indirettamente) che viene avvicinata e definita in un modo particolare. I costrutti sono una parte fondamentale delle teorie scientifiche e si evolvono nel tempo sulla base di dati ed evidenze empiriche. Ogni teoria psicologica contiene una componente di misurazione che definisce quali indicatori osservabili utilizzare per valutare un costrutto [26](#page=26) [27](#page=27). > **Tip:** È pericoloso far coincidere un comportamento specifico con un costrutto, poiché i costrutti hanno una validità più ampia e riconoscono che una funzione mentale non può essere ridotta a un singolo comportamento [26](#page=26). ### 3.2 Operazionalizzazione L'operazionalizzazione è il processo di tradurre concetti astratti in variabili osservabili e misurabili, creando un legame tra la teoria e i dati empirici. Diversi metodi vengono impiegati per operazionalizzare una variabile [16](#page=16): #### 3.2.1 Questionari autosomministrati Questo metodo utilizza item (frasi che descrivono comportamenti o caratteristiche personali) per misurare il grado in cui una caratteristica è presente in un soggetto. La risposta agli item permette di quantificare la caratteristica, e i punteggi vengono calcolati sommando le risposte, tenendo conto degli item "reverse" (formulati in modo opposto) che richiedono l'inversione del punteggio. L'assunto è che all'aumentare del punteggio, cresce la quantità della caratteristica espressa. Un buon modello genera misure multiple per evitare una corrispondenza uno-a-uno tra modello e misura, riconoscendo che il modello è uno dei modi per misurare una caratteristica non direttamente osservabile [16](#page=16). #### 3.2.2 Task di laboratorio I task di laboratorio creano situazioni specifiche per elicitare e misurare una caratteristica [17](#page=17). * **Task che mimano difficoltà di inibire una risposta prepotente:** Questi task misurano la capacità di inibizione, ma possono avere limiti nel catturare l'inibizione proattiva o la pianificazione. Ad esempio, il task R-P misura errori di commissione (mancanza di inibizione) e errori di omissione (disattenzione). I tempi di reazione sono anch'essi considerati, correlando la velocità con la difficoltà inibitoria [17](#page=17). * **Task di performance sostenuta:** In questi task, gli intervalli interstimolo variano, stressando la funzione attentiva. Gli errori di commissione sono indicatori di impulsività [17](#page=17). * **Task legati alla propensione all'assunzione di rischio:** * **Gambling task:** Simula il gioco d'azzardo, dove i soggetti decidono quanto rischiare per ottenere guadagni, ma con la possibilità di "scoppio" del palloncino. La variabile misurata è il numero medio di click. Questo task richiede una ricompensa reale per essere efficace e può essere compromesso da variabili intervenienti come la sensibilità alla ricompensa [17](#page=17) [18](#page=18). * **Task basati sul Balloons Analogue Risk Task (BART):** Sebbene spesso confusi con il gambling task, il BART è progettato per misurare la propensione al rischio indipendentemente da una ricompensa reale, concentrandosi sulla strategia decisionale. Tuttavia, anche questo task presenta criticità legate agli assunti di base e alla sua sostenibilità empirica [18](#page=18). > **Tip:** La validità ecologica dei task di laboratorio è una considerazione importante: quanto la situazione creata in laboratorio riflette la realtà [17](#page=17). ### 3.3 Modelli di misurazione e analisi dei dati I modelli di misurazione stabiliscono come una variabile latente influenza le risposte osservabili, permettendo di testare empiricamente l'ipotesi di una corrispondenza tra la misurazione e il costrutto che si intende quantificare [16](#page=16). #### 3.3.1 Il modello di misurazione Il modello di misurazione è ciò che consente di testare empiricamente l'ipotesi che le risposte agli item siano influenzate da una medesima dimensione latente. Una componente fondamentale di una teoria scientifica è la "componente della misurazione", che definisce gli indicatori da utilizzare per valutare un costrutto [16](#page=16) [27](#page=27). #### 3.3.2 Modello strutturale La componente strutturale di una teoria stabilisce i modelli delle variabili latenti, riassumendo le relazioni attese tra di esse. Permette di generare modelli testabili empiricamente e confrontabili con altri modelli [30](#page=30). #### 3.3.3 Relazioni funzionali e leggi La scoperta di regolarità nel comportamento porta alla formulazione di leggi. Una legge è un'asserzione che certi eventi sono regolarmente associati, anche se non necessariamente in modo perfetto (leggi statistiche). L'interdipendenza funzionale si riferisce alla definizione di un sistema di relazioni in termini di intensità della reciproca interdipendenza, quantificabile matematicamente [28](#page=28). #### 3.3.4 Ricerca delle cause Identificare rapporti causali è un obiettivo ambizioso in psicologia, che si scontra con la multi-causalità dei comportamenti umani. Per stabilire un nesso causale, sono necessari tre pilastri [31](#page=31): 1. **Isolamento:** La variabile di interesse deve essere studiata in assenza di altre influenze sistematiche. L'isolamento perfetto è un ideale irraggiungibile; si cerca quindi uno "pseudoisolamento" riducendo al minimo le fonti di variazione sistematica [32](#page=32) [33](#page=33). 2. **Associazione:** Deve esserci una correlazione tra la causa e l'effetto [32](#page=32). 3. **Direzione dell'influenza:** La causa deve precedere temporalmente l'effetto [32](#page=32). #### 3.3.5 Pseudoisolamento e controllo delle variabili Lo pseudoisolamento si ottiene attraverso varie tecniche di controllo [33](#page=33): * **Selezione delle osservazioni:** Mantenere costanti le variabili di disturbo note [33](#page=33). * **Controllo statistico:** Rimuovere statisticamente l'effetto delle variabili intervenienti note [33](#page=33). * **Randomizzazione:** Allocare casualmente i partecipanti ai gruppi, convertendo le differenze sistematiche in errore casuale [34](#page=34). > **Tip:** La randomizzazione è potente ma richiede la manipolazione della variabile indipendente [34](#page=34). #### 3.3.6 Variabili intervenienti * **Variabile moderatrice:** Altera la relazione tra variabile indipendente e dipendente a seconda del suo valore (es. genere, età) [37](#page=37). * **Variabile mediatrice:** Spiega la relazione tra due variabili (X influenza M, che a sua volta influenza Y). La sua omissione può portare a distorsioni nelle stime delle relazioni [37](#page=37) [40](#page=40). #### 3.3.7 Modelli a tre variabili e path analysis Per studiare una relazione funzionale tra due variabili, spesso ne sono necessarie almeno tre per controllare le variabili intervenienti e garantire lo pseudoisolamento. I diagrammi di percorso (path diagrams) visualizzano queste relazioni, indicando la direzione e la forza delle associazioni. (#page=37, 41) [37](#page=37) [41](#page=41). #### 3.3.8 Effetto totale, diretto e indiretto L'effetto totale tra due variabili può essere scomposto in [42](#page=42): * **Effetto diretto:** La relazione tra X e Y, depurata dall'influenza della variabile mediatrice. * **Effetto indiretto:** La parte dell'effetto mediata dalla terza variabile. L'effetto totale è la somma dell'effetto diretto e indiretto [42](#page=42). #### 3.3.9 Effetto soppressore Si verifica quando l'effetto diretto e indiretto di una variabile mediatrice vanno in direzioni opposte con identica intensità, portando a una correlazione bivariata pari a zero, nonostante l'esistenza di una relazione reale [43](#page=43). > **Tip:** L'omissione di variabili esplicative o l'uso di strumenti di misurazione imprecisi possono violare lo pseudo-isolamento [43](#page=43). #### 3.3.10 Replicabilità e direzionalità dei nessi causali Le leggi scientifiche devono essere replicabili attraverso campioni e metodi diversi. La direzionalità del nesso causale richiede che la causa preceda temporalmente l'effetto. Modelli ricorsivi (causa-effetto unidirezionale) e non ricorsivi (feedback) esistono in psicologia [44](#page=44) [46](#page=46). ### 3.4 Significatività, potenza del test e intervalli di confidenza Questi concetti sono cruciali per interpretare i risultati statistici e la loro generalizzabilità. #### 3.4.1 Significatività statistica La significatività statistica indica la probabilità di osservare un certo risultato campionario se l'ipotesi nulla fosse vera in popolazione. Un risultato è considerato statisticamente significativo se questa probabilità (p-value) è inferiore a una soglia predefinita (solitamente 0.05) [48](#page=48) [50](#page=50). * **Errore di tipo I:** Dichiarare falsa l'ipotesi nulla quando in realtà è vera (falso positivo). Il livello di significatività (alfa) è la probabilità di commettere questo errore [50](#page=50). * **Errore di tipo II:** Dichiarare vera l'ipotesi nulla quando in realtà è falsa (falso negativo) [50](#page=50). > **Tip:** "Significativo" non significa necessariamente "importante" o "rilevante"; si riferisce solo alla probabilità di un risultato in relazione all'ipotesi nulla [52](#page=52). #### 3.4.2 Potenza del test La potenza di un test statistico è la probabilità di identificare correttamente una differenza significativa quando questa esiste realmente in popolazione (1 - probabilità di errore di tipo II). Una potenza adeguata (solitamente 80-90%) è fondamentale per una corretta pianificazione dello studio e per evitare di sottovalutare effetti reali [51](#page=51). #### 3.4.3 Effect size L'effect size indica la forza della relazione o l'ampiezza della differenza tra gruppi. È un indicatore di rilevanza pratica e clinica, indipendente dalla numerosità campionaria [51](#page=51). #### 3.4.4 Intervalli di confidenza Gli intervalli di confidenza forniscono una stima dell'intervallo entro cui è probabile che si trovi il vero valore del parametro nella popolazione, data la precisione della stima campionaria. Un intervallo di confidenza al 95% significa che, se si ripetesse lo studio infinite volte, il 95% degli intervalli calcolati conterrebbe il vero valore del parametro. Sono un indicatore di accuratezza della stima e consentono di valutare la significatività del risultato contemporaneamente [53](#page=53). > **Tip:** La precisione di una stima aumenta all'aumentare della numerosità campionaria e alla diminuzione dell'errore standard [52](#page=52). #### 3.4.5 Accuratezza L'accuratezza si riferisce alla precisione con cui una stima campionaria riflette il vero parametro della popolazione. È influenzata dall'errore standard; un errore standard più piccolo indica una stima più precisa e credibile [52](#page=52). #### 3.4.6 Controllo dell'errore complessivo (family-wise error rate) Quando si effettuano test multipli all'interno di uno stesso studio, aumenta la probabilità di ottenere un risultato statisticamente significativo per puro caso. Tecniche come la procedura di Bonferroni aiutano a controllare questo rischio complessivo [53](#page=53). --- # Modelli di inferenza causale e disegni di ricerca Questo argomento esplora i principi della ricerca causale, il concetto di pseudoisolamento, le variabili moderatrici e mediatrici, e l'applicazione di diversi disegni di ricerca (sperimentali, quasi-sperimentali, osservazionali) per studiare relazioni funzionali e causali. ## 4. Ricerca delle cause La ricerca scientifica mira a identificare rapporti causali tra variabili, un'impresa ambiziosa e complessa. La nozione di "causa" è intrinsecamente ambigua, e spesso i costrutti psicologici sono influenzati da una molteplicità di cause (multi-causalità), dove nessuna causa singola è sufficiente. La ricerca sulle cause deve soddisfare criteri di plausibilità teorica, sequenzialità temporale (la causa deve precedere l'effetto) e forza dell'associazione [31](#page=31). ### 4.1 Definizione di causa e pilastri della causalità Una definizione generale di causa implica che se un cambiamento nella variabile *y* accompagna un cambiamento nella variabile *x*, e *x* precede *y*, allora *x* è una causa di *y*. Questa definizione si basa su tre componenti fondamentali [32](#page=32): 1. **Isolamento:** La variabile dipendente (*y*) deve essere influenzata solo dalla variabile indipendente (*x*), escludendo altre fonti di variazione sistematica [32](#page=32). 2. **Associazione:** Deve esserci una correlazione osservabile tra *x* e *y* [32](#page=32). 3. **Direzione dell'influenza:** L'associazione deve essere attribuibile all'influenza di *x* su *y*, e non viceversa [32](#page=32). La manipolazione umana può facilitare l'isolamento e la determinazione della direzione dell'influenza, ma non è né necessaria né sufficiente per stabilire la causalità [32](#page=32). ### 4.2 Pseudoisolamento e controllo delle variabili estranee L'isolamento perfetto è un ideale irraggiungibile nella ricerca psicologica, poiché le unità di analisi possiedono sempre caratteristiche diverse che possono influenzare la variabile di interesse. Pertanto, si persegue lo **pseudoisolamento**, ovvero l'approssimazione dell'isolamento attraverso il controllo delle fonti di variazione sistematica [33](#page=33). Esistono tre approcci concettuali per garantire lo pseudoisolamento e controllare l'effetto di fattori estranei: 1. **Selezione delle osservazioni:** Mantenere costanti le variabili che potrebbero essere fonti di disturbo, eliminandole dal disegno di ricerca. Questo metodo è efficace per fattori noti ma può lasciare fuori quelli ignoti. Disegni come quelli "a blocchi" sono preferibili perché fanno confronti tra unità identiche [33](#page=33). 2. **Controllo statistico:** Utilizzare tecniche statistiche (es. regressione) per rimuovere l'effetto di variabili intervenienti note e misurate. Richiede una buona conoscenza delle variabili problematiche e campioni ampi e rappresentativi [33](#page=33). 3. **Randomizzazione:** La tecnica più potente, specialmente contro l'ignoto. Assegna casualmente i soggetti ai gruppi di trattamento, convertendo le differenze sistematiche in errore casuale. Tuttavia, richiede la manipolazione della variabile indipendente [34](#page=34). Le prime due tecniche sono applicabili sia negli studi osservazionali che sperimentali, mentre la randomizzazione è tipica dei veri esperimenti [34](#page=34). ### 4.3 Modelli deterministici e probabilistici Un modello deterministico di relazione funzionale tra *x* e *y* può essere rappresentato come $y = bx$, dove *b* è un coefficiente fisso. Tuttavia, nella realtà, la relazione è spesso influenzata da variabili di disturbo, portando a un modello probabilistico: $y = bx + z$, dove *z* rappresenta l'errore casuale [35](#page=35). Caratteristiche dell'errore casuale (*z*): * $E(z) = 0$: Il valore atteso dell'errore casuale è zero nella popolazione [35](#page=35). * Distribuzione normale: Gli errori casuali tendono a distribuirsi normalmente intorno alla media [35](#page=35). * Indipendenza da *x*: Assume che *z* non sia correlato con la variabile indipendente *x* [36](#page=36). ### 4.4 Variabili intervenienti: moderatrici e mediatrici Le relazioni bivariate possono essere fuorvianti a causa di fattori intervenienti che vanno controllati. Questi possono essere distinti in [37](#page=37): * **Variabile moderatrice:** Modera o altera la relazione funzionale tra la variabile dipendente e indipendente, cambiandone il valore o la direzione. Esempi includono genere, età o fascia d'età. L'omissione di una variabile moderatrice può portare alla violazione dello pseudoisolamento, poiché il suo effetto finisce nel termine di errore casuale (*z*) [37](#page=37). * **Variabile mediatrice:** Interviene nella relazione tra *x* e *y*, spiegando (in parte o totalmente) il nesso causale. La relazione *x* -> *y* è mediata da una variabile *M* (*x* -> *M* -> *y*). L'omissione di una variabile mediatrice può distorcere la stima della relazione diretta tra *x* e *y* [37](#page=37) [40](#page=40). Un esempio classico è lo studio sulla frustrazione e aggressività, dove lo shock elettrico (stimolo) potrebbe indurre frustrazione (mediatore) che a sua volta porta ad aggressività (esito). Tuttavia, lo shock potrebbe anche indurre la sensazione di essere attaccati, che a sua volta porta ad aggressività (modello mediato complesso) [37](#page=37) [38](#page=38). ### 4.5 Campionamento rispetto agli indicatori e validità La ricerca psicologica utilizza un modello probabilistico a causa dell'errore casuale associato a vari processi di campionamento. Il **campionamento rispetto agli indicatori** si verifica quando si utilizzano indicatori parziali per misurare costrutti complessi, introducendo una fonte di errore [39](#page=39). La questione dell'isolamento ha portato alla necessità di garantire lo **pseudoisolamento**, ricordando che "correlazione non indica causalità". L'inserimento di variabili moderatrici o mediatrici è fondamentale per controllare le fonti di variazione sistematica e migliorare la validità dello studio [39](#page=39). ### 4.6 Direzionalità dei nessi causali Quando si studia la causalità, l'**antecedenza temporale** della causa rispetto all'effetto è cruciale. Si distinguono [44](#page=44): * **Modello classico della causalità (ricorsivo):** *x* causa *y*, con *x* che precede *y*. Questo modello richiede una pianificazione attenta della durata dello studio e degli intervalli di misurazione [45](#page=45). * **Modello non ricorsivo (feedback):** Le variabili si influenzano reciprocamente, creando una circolarità causale [46](#page=46). ## 5. Disegni di ricerca I disegni di ricerca si dividono in una gradazione di precisione delle stime, dagli studi osservazionali a quelli sperimentali [54](#page=54). ### 5.1 Studi osservazionali * Non consentono manipolazione della variabile predittiva né randomizzazione [55](#page=55). * Valutano i fenomeni nel loro contesto naturale, offrendo maggiore generalizzabilità [55](#page=55). * Presentano un elevato "rumore" (variabili intervenienti) e rendono difficile garantire lo pseudoisolamento. Il controllo avviene spesso a posteriori con tecniche statistiche o tramite modelli di mediazione/moderazione [55](#page=55). ### 5.2 Studi quasi-sperimentali * Mancano della randomizzazione dei soggetti, ma possono prevedere la manipolazione della variabile indipendente [55](#page=55). * Si collocano tra studi osservazionali e sperimentali, con alta validità ecologica [56](#page=56). * Richiedono un controllo statistico più robusto [55](#page=55). * **Esempio:** Uno studio sul narcisismo e psicopatia, dove non è possibile indurre questi tratti, ma si possono manipolare gli stimoli emotivi [56](#page=56). ### 5.3 Studi sperimentali * Prevedono la manipolazione attiva di una o più variabili indipendenti e l'assegnazione casuale dei soggetti ai trattamenti [54](#page=54). * Sono progettati per eliminare ogni fonte di variazione sistematica e ridurre al minimo l'errore casuale [55](#page=55). * Garantiscono lo pseudoisolamento, ma possono avere limiti di generalizzabilità se il contesto sperimentale si discosta da quello naturale [57](#page=57). #### 5.3.1 Tipi di disegni sperimentali * **Trasversali:** Tutte le valutazioni vengono fatte nello stesso momento, impedendo inferenze causali definitive [55](#page=55). * **Longitudinali:** Prevedono rilevazioni multiple nel tempo, permettendo di valutare l'evoluzione delle variabili. Sono più difficili da gestire a causa del possibile abbandono dei partecipanti nel tempo [55](#page=55). #### 5.3.2 Disegni "tra i soggetti" vs "entro i soggetti" * **Tra i soggetti:** I soggetti vengono assegnati casualmente a diversi gruppi di trattamento. La differenza tra le medie dei gruppi stima l'effetto del trattamento [57](#page=57). * **Entro i soggetti (o misure ripetute):** Ogni soggetto riceve tutti i trattamenti. I confronti avvengono valutando la differenza tra le misurazioni pre- e post-trattamento per lo stesso individuo. Questo disegno è efficiente ma può presentare effetti di trascinamento (carryover) [58](#page=58). #### 5.3.3 Tecniche di controllo sperimentale * **Mantenimento costante:** Mantenere costanti le variabili estranee, spesso tramite appaiamento [58](#page=58). * **Controbilanciamento degli effetti:** Assicurare che gli effetti di un trattamento siano bilanciati da effetti opposti o simmetrici [58](#page=58). * **Randomizzazione:** Assegnazione casuale per eliminare differenze sistematiche tra le unità [58](#page=58). #### 5.3.4 Disegni a blocchi * Raggruppano le unità sperimentali in sottoinsiemi (blocchi) composti da unità il più possibile simili tra loro, al fine di ridurre la varianza d'errore [71](#page=71). * Ogni trattamento compare lo stesso numero di volte entro ciascun blocco. I confronti vengono effettuati entro blocco [72](#page=72). * **Disegno a blocchi randomizzati:** I trattamenti vengono assegnati casualmente all'interno di ogni blocco. Assicura il bilanciamento e l'eliminazione delle differenze sistematiche tra blocchi [73](#page=73). #### 5.3.5 Disegno a quadrati latini * Un'evoluzione dei disegni a blocchi, utilizzata per controllare contemporaneamente due fonti di variabili di disturbo (es. ordine e giorno della somministrazione) [75](#page=75). * I trattamenti sono indicati con lettere latine e disposti in una tabella quadrata dove ciascun trattamento compare una sola volta per riga e per colonna [76](#page=76). * Richiede che il numero di trattamenti, unità per blocco e tempi (righe/colonne) siano uguali [76](#page=76). #### 5.3.6 Disegni Cross-over * Forma raffinata di disegno "entro i soggetti", estensione dei disegni a blocchi e a quadrati latini [77](#page=77). * Ogni soggetto riceve diversi trattamenti in tempi successivi, con confronti effettuati all'interno di ciascun soggetto [77](#page=77). * Massimizzano la precisione e riducono l'errore, ma presentano il rischio di **effetto carry-over** (l'effetto di un trattamento si estende a quello successivo) [78](#page=78). * Per mitigare il carry-over, si utilizzano **periodi di wash-out** (intervalli di tempo tra i trattamenti). Se il wash-out non è garantito, si possono usare tecniche di controbilanciamento (es. serie di Williams) [78](#page=78) [81](#page=81). ### 5.4 Requisiti per un buon esperimento 1. **Assenza di errore sistematico:** Garantire che le unità sperimentali non differiscano sistematicamente prima del trattamento, eliminando le fonti di variazione sistematica tramite controllo sperimentale, randomizzazione e disegno [61](#page=61). 2. **Errore standard / precisione:** Aumentare la precisione nella stima dei parametri, riducendo l'errore standard sia attraverso un disegno appropriato che tramite un campionamento adeguato [61](#page=61). 3. **Gamma della validità:** Estendere le conclusioni dal campione all'universo di soggetti, il che richiede un campione rappresentativo della popolazione target e un disegno di ricerca appropriato [62](#page=62). 4. **Calcolo dell'incertezza:** Stimare il grado di incertezza dei risultati, ovvero la quota di variazione casuale non controllata [62](#page=62). ### 5.5 Campionamento La scelta della tecnica di campionamento è cruciale per la validità dei risultati [63](#page=63). * **Campionamento arbitrario/finalizzato a uno scopo:** Tecniche pericolose e di bassa qualità, che introducono distorsioni [63](#page=63). * **Campionamento di convenienza:** Molto diffuso, basato sulla disponibilità dei partecipanti. Funziona meglio con campioni ampi e mira a massimizzare la rappresentatività possibile [63](#page=63). * **Campionamento probabilistico:** Garantisce che ogni unità nella popolazione abbia una probabilità nota di essere inclusa nel campione. * **Sistematico:** Selezione di unità a intervalli regolari da un elenco, ma la probabilità di selezione non è uguale per tutti [64](#page=64). * **Campionamento casuale semplice:** L'unica tecnica che garantisce l'uguaglianza di probabilità di estrazione e l'indipendenza tra le unità [64](#page=64). * **Campionamento casuale stratificato:** Divide la popolazione in sottogruppi (strati) e campiona casualmente da ciascuno, garantendo la rappresentatività di ciascun sottogruppo [65](#page=65). * **Campionamento a gruppi (cluster):** Seleziona casualmente gruppi di unità, anziché singole unità, ed è utile quando la numerazione di tutte le unità è impraticabile [65](#page=65). #### 5.5.1 La legge dell'additività Nella ricerca comparativa, questa legge postula che l'osservazione sia la somma algebrica dell'effetto del trattamento e dell'effetto dell'unità (con quota di casualità). L'obiettivo è stimare la differenza tra i veri effetti dei trattamenti. La violazione di questa legge può verificarsi se l'effetto del trattamento non è costante tra le unità o se vi sono interferenze tra trattamenti [66](#page=66) [68](#page=68). Le violazioni della legge dell'additività portano a considerare modelli più complessi, come la legge moltiplicativa, specialmente nei disegni fattoriali che studiano le interazioni tra variabili indipendenti [70](#page=70). **Modelli a effetti fissi** assumono che l'effetto del trattamento sia costante per tutte le unità, mentre i **modelli a effetto random** considerano la variabilità individuale degli effetti dei trattamenti (#page=65, 70) [65](#page=65) [70](#page=70). **Disegni per la riduzione dell'errore**, come il disegno a blocchi e il disegno a quadrati latini, sono fondamentali per controllare le fonti di variazione sistematica e aumentare la precisione delle stime [70-71](#page=70, 71). I disegni cross-over sono un'estensione dei disegni a blocchi, utilizzati quando si applicano più trattamenti allo stesso soggetto, ma richiedono un'attenta gestione dell'effetto carry-over [77-82](#page=77, 78, 79, 80, 81, 82). --- ## Errori comuni da evitare - Rivedete tutti gli argomenti accuratamente prima degli esami - Prestate attenzione alle formule e definizioni chiave - Praticate con gli esempi forniti in ogni sezione - Non memorizzate senza comprendere i concetti sottostanti

| Termine | Definizione | |------|------------| | Metodo Scientifico | Un approccio sistematico per l'acquisizione di conoscenza basato sull'osservazione empirica, la formulazione di ipotesi, la sperimentazione e l'analisi dei dati, volto a descrivere e spiegare fenomeni naturali e sociali in modo oggettivo e verificabile. | | Psicometria | La disciplina che si occupa dello sviluppo e dell'applicazione di metodi di misurazione in psicologia, inclusa la costruzione di test, la validazione degli strumenti e l'analisi delle proprietà psicometriche delle misure. | | Effetto Dodo | Un termine coniato per descrivere l'osservazione che molte psicoterapie sembrano essere efficaci indipendentemente dalle loro basi teoriche specifiche, suggerendo l'importanza dei fattori comuni e della relazione terapeutica. | | EBPP (Evidence-Based Practice in Psychology) | Un approccio alla pratica psicologica che enfatizza l'integrazione tra le migliori evidenze di ricerca disponibili, l'esperienza clinica e l'autorità del cliente, al fine di fornire cure psicologiche efficaci e personalizzate. | | Principio di Autorità | Un mezzo di conoscenza basato sulla credenza nell'autenticità di un'affermazione a causa della rispettabilità o della posizione di chi la propone, piuttosto che su prove empiriche o logiche dirette. | | Logica | Lo studio dei principi del ragionamento valido e dell'inferenza corretta, utilizzato nella costruzione di teorie, nella formulazione di ipotesi e nell'analisi critica delle affermazioni scientifiche. | | Intuizione | Un processo di conoscenza che si basa su impressioni, istinti o meccanismi di pensiero impliciti, piuttosto che su ragionamento esplicito o logica deduttiva, spesso portando a decisioni rapide ma non sempre ottimali. | | Senso Comune | Un insieme di conoscenze e credenze pratiche condivise all'interno di un gruppo sociale o culturale, spesso basato su esperienze comuni e tramandato attraverso modi di pensare non formali, che può essere conservatore e bloccare l'innovazione. | | Ricerca Scientifica | Un processo metodologico rigoroso e sistematico volto a scoprire regolarità, spiegare fenomeni e formulare leggi attraverso l'osservazione, la sperimentazione, l'analisi dei dati e la verifica empirica delle ipotesi. | | Replicabilità | Il principio fondamentale della scienza secondo cui uno studio o un esperimento dovrebbe poter essere riprodotto da altri ricercatori, ottenendo risultati simili, a garanzia dell'oggettività e della validità delle scoperte. | | Oggettività | Una caratteristica chiave della scienza che assicura che le procedure di ricerca e i risultati siano indipendenti dalle aspettative, dagli interessi o dalle distorsioni del ricercatore, rendendoli universalmente verificabili. | | Empirismo | Un approccio alla conoscenza che enfatizza l'esperienza sensoriale e l'osservazione empirica come fonte primaria di sapere, contrapponendosi all'autorità, alla logica pura o alla speculazione. | | Autocorrezione | La natura intrinseca della scienza che permette la scoperta di nuovi dati e la revisione delle conoscenze esistenti, correggendo errori e affinando teorie attraverso un continuo confronto con la realtà empirica. | | Progresso Scientifico | Il continuo avanzamento della conoscenza scientifica attraverso la scoperta di nuove teorie, la falsificazione di ipotesi precedenti e lo sviluppo di metodi di ricerca sempre più sofisticati e precisi. | | Controintuitività | La caratteristica di alcune scoperte scientifiche che contraddicono le nozioni comuni o le aspettative basate sul senso comune, dimostrando la capacità della scienza di sfidare e ampliare la comprensione umana della realtà. | | Variabile Latente | Un costrutto teorico o una caratteristica non direttamente osservabile che si ipotizza influenzi i comportamenti o le risposte osservabili, misurata indirettamente attraverso indicatori empirici. | | Costrutto | Un concetto teorico o una variabile psicologica ipotetica, derivata dall'osservazione di pattern comportamentali o fenomeni, utilizzata per spiegare e organizzare la conoscenza scientifica. | | Ipotesi | Un'affermazione provvisoria e verificabile riguardo alla relazione tra due o più variabili, formulata sulla base della teoria e destinata a essere testata empiricamente attraverso la ricerca. | | Operazionalizzazione | Il processo di definizione di un costrutto psicologico in termini di procedure misurabili e osservabili, che permettono la sua quantificazione e la verifica empirica delle ipotesi. | | Disegno Sperimentale | Il piano strutturato di una ricerca volta a stabilire relazioni causali, che include la manipolazione di variabili indipendenti, il controllo delle variabili estranee e l'assegnazione casuale dei partecipanti ai gruppi. | | Campionamento | Il processo di selezione di un sottoinsieme di individui da una popolazione più ampia, con l'obiettivo di ottenere un gruppo rappresentativo da cui trarre inferenze generalizzabili sulla popolazione di riferimento. | | Randomizzazione | Una tecnica di assegnazione casuale dei partecipanti ai diversi gruppi o trattamenti in uno studio, volta a garantire che le differenze sistematiche tra i gruppi siano ridotte al minimo, convertendole in errore casuale. | | Variabile Moderatrice | Una variabile che altera la forza o la direzione della relazione tra una variabile indipendente e una variabile dipendente. | | Variabile Mediatrice | Una variabile che spiega il meccanismo attraverso cui una variabile indipendente influenza una variabile dipendente, agendo come un anello di congiunzione nella catena causale. | | Effetto Carry-Over | Un fenomeno nei disegni di ricerca crossover in cui l'effetto di un trattamento precedente influenza la risposta a un trattamento successivo, richiedendo strategie di controllo come il periodo di wash-out. | | Disegno a Blocchi Randomizzati | Un disegno sperimentale in cui le unità di studio vengono raggruppate in blocchi omogenei per ridurre la varianza d'errore e in cui i trattamenti vengono assegnati casualmente all'interno di ciascun blocco. | | Disegno Cross-Over | Un disegno di ricerca entro i soggetti in cui ciascun partecipante riceve una sequenza di trattamenti diversi in tempi differenti, consentendo confronti diretti e riducendo l'errore sistematico, ma potenzialmente introducendo effetti carry-over. | | Legge dell'Additività | Un principio fondamentale nei disegni sperimentali che postula che un'osservazione è la somma del vero effetto del trattamento e della variazione casuale legata all'unità sperimentale. | | Validità Ecologica | Il grado in cui i risultati di uno studio possono essere generalizzati a contesti di vita reale al di fuori dell'ambiente controllato della ricerca. | | Pseudo-Isolamento | Un concetto che descrive lo sforzo di isolare una relazione tra variabili in psicologia, pur riconoscendo l'impossibilità di un isolamento perfetto e la necessità di gestire l'errore casuale e le variabili intervenienti. | | Statistica Inferenziale | L'insieme di metodi utilizzati per trarre conclusioni su una popolazione sulla base dei dati raccolti da un campione, inclusi test di ipotesi, stime di parametri e intervalli di confidenza. | | Significatività Statistica (p-value) | La probabilità di osservare i risultati ottenuti in un campione (o risultati più estremi) se l'ipotesi nulla fosse vera nella popolazione. Un valore di p basso indica che i risultati osservati sono improbabili sotto l'ipotesi nulla. | | Potenza del Test | La probabilità di rifiutare correttamente l'ipotesi nulla quando è falsa nella popolazione; è la capacità di un test statistico di rilevare un effetto reale se esiste. | | Effect Size (Dimensione dell'Effetto) | Una misura della grandezza o della forza di una relazione tra variabili o della differenza tra gruppi, che indica la rilevanza pratica dei risultati oltre la significatività statistica. | | Errore Standard | Una misura della variabilità campionaria di uno stimatore, che indica la precisione con cui una stima campionaria rappresenta il parametro della popolazione. | | Intervallo di Confidenza | Un intervallo di valori calcolato a partire da dati campionari che si ritiene contenga il vero valore di un parametro della popolazione con un certo livello di probabilità (es. 95%). | | Disegno a Quadrati Latini | Un disegno sperimentale utilizzato per controllare contemporaneamente due fonti di variabilità sistematica (es. ordine dei trattamenti e differenze tra blocchi) attraverso un arrangiamento specifico dei trattamenti in una matrice quadrata. | | Modello a Effetti Fissi | Un modello statistico in cui si assume che gli effetti dei trattamenti siano costanti per tutte le unità sperimentali. | | Modello a Effetti Random | Un modello statistico in cui si assume che gli effetti dei trattamenti varino casualmente tra le unità sperimentali, consentendo una stima della variabilità individuale. | | Controllo Sperimentale | Tecniche utilizzate per manipolare o eliminare variabili estranee che potrebbero influenzare i risultati di uno studio, al fine di isolare l'effetto delle variabili di interesse. | | Random Digits (Numeri Casuali) | Sequenze di numeri generate casualmente, utilizzate per garantire l'imparzialità e l'indipendenza nell'assegnazione dei trattamenti o nella selezione dei campioni negli studi scientifici. | | Wash-out Period | Un intervallo di tempo in un disegno crossover in cui si sospende la somministrazione di un trattamento per consentire l'esaurimento di eventuali effetti residui prima di passare al trattamento successivo. | | Carry-Over Effect | L'influenza persistente di un trattamento precedente sulla risposta a un trattamento successivo in uno studio crossover, che richiede un'attenta gestione o controbilanciamento. | | Obiettivazione | Il processo scientifico di distanziamento e neutralità nell'osservazione e nell'analisi dei dati, garantendo che i risultati siano indipendenti dalle intenzioni o dalle aspettative del ricercatore. | | Falsificazione | Il principio secondo cui una teoria scientifica deve essere formulata in modo tale da poter essere potenzialmente confutata da prove empiriche, un aspetto cruciale del metodo scientifico proposto da Popper. | | Paradigma (Kuhn) | Un modello concettuale e metodologico dominante in una disciplina scientifica in un dato momento storico, che guida la ricerca e l'interpretazione dei fenomeni, soggetto a cambiamenti rivoluzionari. | | Errore di Tipo I (Falso Positivo) | L'errore di rifiutare l'ipotesi nulla quando questa è in realtà vera nella popolazione, portando a concludere erroneamente che esiste un effetto o una differenza quando non ce n'è. | | Errore di Tipo II (Falso Negativo) | L'errore di non rifiutare l'ipotesi nulla quando questa è in realtà falsa nella popolazione, portando a concludere erroneamente che non esiste un effetto o una differenza quando invece c'è. | | Variabile Indipendente | La variabile in uno studio che viene manipolata o modificata dal ricercatore per osservarne l'effetto su una variabile dipendente. | | Variabile Dipendente | La variabile in uno studio che viene misurata per osservare come viene influenzata dalla variabile indipendente. | | Campionamento Probabilistico | Tecniche di campionamento in cui ogni membro della popolazione ha una probabilità nota e non nulla di essere selezionato per il campione, garantendo una maggiore rappresentatività e generalizzabilità dei risultati. | | Campionamento Casuale Semplice | Una tecnica di campionamento probabilistico in cui ogni membro della popolazione ha la stessa probabilità di essere selezionato e ogni selezione è indipendente dalle altre. | | Campionamento Casuale Stratificato | Una tecnica di campionamento probabilistico in cui la popolazione viene divisa in sottogruppi (strati) e si effettua un campionamento casuale da ciascuno strato, garantendo la rappresentatività dei sottogruppi. | | Campionamento a Gruppi (Cluster Sampling) | Una tecnica di campionamento probabilistico in cui la popolazione viene divisa in gruppi (cluster) e si selezionano casualmente alcuni cluster, analizzando poi tutti o un campione casuale di unità all'interno dei cluster selezionati. | | Matching | Una tecnica utilizzata per creare gruppi equivalenti in uno studio, appaiando i partecipanti in base a caratteristiche rilevanti (es. età, genere) per ridurre la varianza d'errore e aumentare la precisione delle stime. | | Legge dell'Equilibrio | Non presente nel testo come "Legge dell'Equilibrio", ma il concetto di bilanciamento è centrale nei disegni sperimentali per garantire che ogni trattamento sia confrontato equamente attraverso blocchi o sequenze. | | Disegno Fattoriale | Un disegno di ricerca in cui vengono manipolate contemporaneamente due o più variabili indipendenti, consentendo di studiare sia gli effetti principali di ciascuna variabile sia le loro interazioni. |