Come analizzare i dati di un questionario per la tesi

# Come analizzare i dati di un questionario per la tesi

Raccogliere le risposte è solo l'inizio. L'analisi dei dati di un questionario serve a trasformare un insieme di valori in risultati comprensibili, collegati alla domanda di ricerca e descritti senza andare oltre ciò che il campione può dimostrare.

Non esiste una tecnica valida per ogni tesi. Il metodo dipende dal tipo di domande, dalle variabili, dalla numerosità del campione e dagli obiettivi concordati con il relatore. Questa guida propone un percorso ordinato, dal file grezzo alla scrittura del capitolo dei risultati.

Prima dell'analisi: torna alla domanda di ricerca

Ogni tabella dovrebbe rispondere a una domanda. Prima di aprire Excel, SPSS, R o un altro programma, scrivi gli obiettivi dell'indagine e associa a ciascuno le domande del questionario che forniscono informazioni utili.

Per esempio, se l'obiettivo è capire quanto gli studenti utilizzino un servizio universitario, sono pertinenti la frequenza d'uso, il tipo di servizio scelto e alcune caratteristiche del gruppo. Una domanda sulla soddisfazione può aggiungere un'altra dimensione, ma non misura automaticamente l'efficacia del servizio.

Prepara uno schema di lavoro che associ ogni obiettivo alle domande, alle variabili e all'analisi prevista. Per esempio:

• descrivere il campione: età, corso e anno; frequenze e percentuali;
• misurare l'uso: frequenza di accesso; distribuzione delle risposte;
• confrontare gruppi: uso e anno di corso; tabella incrociata.

Questo passaggio evita di produrre grafici interessanti ma scollegati dalla tesi.

1. Esporta e conserva i dati grezzi

Scarica le risposte in un formato tabellare, normalmente CSV o XLSX. Conserva una copia originale che non verrà modificata e lavora su una seconda copia. Ogni riga dovrebbe rappresentare un partecipante e ogni colonna una variabile.

Rinomina le colonne con codici brevi ma comprensibili, per esempio `eta`, `anno_corso` e `soddisfazione`. Mantieni a parte un dizionario delle variabili con testo della domanda, possibili risposte e codifica numerica. Se 1 significa “per niente” e 5 significa “molto”, questa informazione deve restare documentata.

Non inserire nel file di analisi nomi, email o altri identificativi se non sono indispensabili. Rispetta informativa, consenso e regole del tuo ateneo per il trattamento dei dati.

2. Pulisci il dataset

La pulizia viene prima di qualsiasi calcolo. Controlla almeno:

• righe duplicate;
• questionari vuoti o interrotti;
• valori impossibili, come un'età fuori dall'intervallo previsto;
• categorie scritte in modi diversi;
• risposte multiple registrate in una sola cella;
• valori mancanti;
• tempi di compilazione anomali, se disponibili.

Non eliminare risposte soltanto perché non confermano l'ipotesi. Definisci criteri di esclusione chiari, applicali in modo uniforme e riportali nella metodologia. Annota quante risposte hai ricevuto, quante hai escluso e quante sono entrate nell'analisi finale.

3. Riconosci il tipo di variabile

Il tipo di dato determina quali sintesi sono appropriate.

• Categorica nominale: corso di laurea, regione, risposta sì/no. Si descrive con conteggi e percentuali.
• Ordinale: livello di accordo o frequenza ordinata. Le categorie hanno un ordine, ma la distanza tra loro non è necessariamente identica.
• Numerica: età, numero di accessi, punteggio. Può essere descritta con media e deviazione standard oppure mediana e intervallo, secondo la distribuzione.
• Testuale aperta: commenti e risposte libere. Richiede una codifica tematica trasparente, non un semplice conteggio automatico delle parole.

Trattare ogni scala da 1 a 5 come una misura numerica continua è una scelta metodologica, non un automatismo. Va motivata in base allo strumento e al tipo di analisi.

4. Inizia dall'analisi descrittiva

La prima parte presenta il campione e la distribuzione delle risposte. Per le variabili categoriche usa frequenze assolute e percentuali. Indica sempre il denominatore: il 40% di 20 partecipanti comunica qualcosa di diverso dal 40% di 500.

Per i dati numerici valuta:

• minimo e massimo;
• media e deviazione standard quando la distribuzione lo consente;
• mediana e quartili quando sono presenti asimmetrie o valori estremi.

Una tabella può riunire più valori; non serve creare un grafico per ogni domanda. Se tabella e grafico mostrano esattamente la stessa informazione, scegline uno.

5. Tabelle incrociate e confronti tra gruppi

Quando la domanda di ricerca richiede un confronto, puoi incrociare due variabili. Per esempio: frequenza d'uso del servizio per anno di corso, oppure soddisfazione per modalità di frequenza.

Osserva sia i conteggi sia le percentuali calcolate nella direzione corretta. Con gruppi di dimensioni diverse, i soli conteggi possono essere fuorvianti. Riporta inoltre la numerosità di ogni gruppo e segnala quando alcune categorie contengono pochi casi.

Un confronto descrittivo non dimostra automaticamente una relazione causale. Se un gruppo mostra una soddisfazione maggiore, i dati non consentono di concludere che l'appartenenza al gruppo sia la causa senza un disegno di ricerca adeguato.

6. Quando servono test statistici

I test inferenziali sono utili soltanto se coerenti con obiettivo, campionamento, variabili e numerosità. La scelta non dovrebbe partire dal programma disponibile.

Prima di applicare un test verifica:

• quale ipotesi stai controllando;
• quali sono variabile dipendente e indipendente;
• tipo e distribuzione delle variabili;
• indipendenza delle osservazioni;
• dimensione dei gruppi e valori mancanti;
• assunzioni specifiche del test.

Il valore p non misura l'importanza pratica di un risultato e non dimostra da solo che un'ipotesi sia vera. Quando appropriato, affiancalo a intervalli di confidenza e misure della dimensione dell'effetto. Concorda l'analisi con il relatore o con una persona competente prima di interpretare i risultati.

7. Come analizzare le risposte aperte

Leggi tutte le risposte e costruisci categorie legate all'obiettivo di ricerca. Definisci che cosa include ogni categoria, assegna uno o più codici alle risposte e rivedi i casi ambigui. Se possibile, fai controllare una parte della codifica da una seconda persona.

Nel testo presenta i temi principali, la loro diffusione e brevi estratti anonimi realmente rappresentativi. Non scegliere soltanto le frasi più efficaci: devono mostrare il dato, comprese eventuali posizioni divergenti.

8. Scegliere tabelle e grafici

• barre: confronto tra categorie;
• barre impilate: composizione o distribuzioni su scale;
• istogramma: distribuzione di una variabile numerica;
• box plot: confronto sintetico di distribuzioni numeriche;
• linee: andamento nel tempo, non categorie senza ordine temporale;
• tabella: valori precisi o molte categorie.

Evita grafici tridimensionali, colori decorativi e assi troncati che amplificano differenze minime. Titolo, legenda, unità di misura, fonte e numerosità devono permettere di capire la figura anche senza leggere tutto il paragrafo.

9. Esempio di analisi di un questionario

Immaginiamo 120 risposte a un questionario sull'uso della biblioteca digitale. Dopo aver escluso 8 compilazioni incomplete, il campione analizzato è di 112 studenti.

L'obiettivo 1 è descrivere l'uso: una tabella riporta mai, meno di una volta al mese, mensile, settimanale e quotidiano, con conteggi e percentuali. L'obiettivo 2 confronta studenti del primo anno e anni successivi: una tabella incrociata mostra la distribuzione percentuale nei due gruppi. L'obiettivo 3 esplora gli ostacoli: le risposte aperte vengono codificate in accesso, competenze di ricerca, disponibilità dei testi e problemi tecnici.

Una formulazione corretta dei risultati potrebbe essere: “Nel campione analizzato, il 46% dichiara un utilizzo almeno settimanale. La quota è maggiore negli anni successivi al primo, ma il campionamento non consente di generalizzare il confronto all'intera popolazione studentesca”.

10. Come scrivere il capitolo dei risultati

Una struttura efficace è:

1. partecipanti e criteri di inclusione;
2. qualità e completezza dei dati;
3. risultati descrittivi collegati al primo obiettivo;
4. confronti o analisi successive;
5. risultati delle risposte aperte;
6. sintesi dei risultati principali.

Nel capitolo dei risultati descrivi ciò che emerge. La discussione viene dopo e collega i dati alla letteratura, alle ipotesi e ai limiti. Evita di riportare nel testo ogni numero della tabella: evidenzia il pattern utile a rispondere alla domanda.

Errori frequenti

• analizzare tutte le domande senza una priorità;
• modificare le categorie dopo aver visto il risultato desiderato;
• confondere percentuali e punti percentuali;
• usare medie per categorie che non le giustificano;
• dichiarare causalità da un questionario osservazionale;
• nascondere valori mancanti o esclusioni;
• presentare grafici senza denominatore o numerosità;
• confondere risultati e interpretazione.

Checklist finale

• Ogni analisi risponde a un obiettivo dichiarato?
• Dataset originale e file pulito sono separati?
• Esclusioni e valori mancanti sono documentati?
• Tipi di variabile e codifiche sono corretti?
• Tabelle e grafici hanno titolo, unità e numerosità?
• I confronti rispettano limiti del campione e assunzioni?
• Risultati e discussione sono distinti?
• Privacy e consenso sono rispettati?

Domande frequenti

Quale programma usare per analizzare un questionario?

Per frequenze, percentuali e grafici semplici può bastare un foglio di calcolo ben organizzato. Analisi più complesse possono richiedere SPSS, R, Jamovi o altri strumenti. La scelta dipende dal metodo, non dal nome del software.

Quante risposte servono?

Non esiste un numero universale. Dipende da popolazione, campionamento, precisione richiesta, numero di gruppi e analisi previste. La numerosità dovrebbe essere pianificata prima della raccolta.

Posso eliminare i questionari incompleti?

Sì, se il criterio è definito, motivato e applicato in modo uniforme. In alcuni casi è possibile usare le risposte parziali per analisi specifiche, indicando ogni volta il numero valido.

Come commentare un grafico nella tesi?

Richiama la figura, descrivi il risultato rilevante e collegalo all'obiettivo. Non limitarti a ripetere tutte le etichette e non anticipare interpretazioni causali non sostenute.