Analisi dei dati nella tesi sperimentale: guida ed esempio

L'analisi dei dati di una tesi sperimentale parte dalla domanda di ricerca e dal disegno dello studio, non dalla scelta di un test nel software. Occorre definire le variabili, controllare il dataset, descrivere i risultati e scegliere procedure compatibili con le osservazioni raccolte, distinguendo i risultati dalla loro interpretazione.

Qui trovi un percorso per organizzare il lavoro e discuterlo con il relatore. Se il tuo materiale deriva soprattutto da un questionario, usa anche la guida specifica all'analisi dei questionari.

Tesi sperimentale, empirica e osservazionale

Le denominazioni dei corsi possono variare. Uno studio empirico utilizza dati; un esperimento prevede un intervento o una manipolazione con un disegno adeguato al confronto. Raccogliere risposte con un questionario non rende da solo lo studio un esperimento.

Nel capitolo metodologico descrivi ciò che hai effettivamente fatto: chi o che cosa hai osservato, come hai selezionato le unità, quali misure hai raccolto e se hai assegnato un intervento. La possibilità di sostenere conclusioni causali dipende dal disegno e dalle sue assunzioni, non dall'etichetta della tesi.

1. Scrivi il piano prima di analizzare

Prepara una pagina da discutere con il relatore, con questi elementi:

• Domanda principale e obiettivo dell'analisi.
• Unità di osservazione: persone, organizzazioni, documenti o altre unità.
• Variabili e modalità di misurazione.
• Confronti previsti e momento delle rilevazioni.
• Criteri di inclusione, esclusione e gestione dei dati mancanti.
• Risultati da presentare, distinguendo analisi previste e approfondimenti esplorativi.

Se il progetto è già iniziato, ricostruisci le decisioni e dichiarale con trasparenza. Non presentare come pianificata in anticipo una scelta fatta dopo aver visto i risultati. Conserva una versione datata del piano e annota le modifiche motivate.

2. Organizza un dataset controllabile

Conserva separatamente il file originale e quello preparato per l'analisi. Crea un dizionario delle variabili: nome, significato, unità di misura, codifica delle categorie e convenzioni per i valori mancanti. Un valore assente non va trasformato automaticamente in zero: zero può essere una misura reale.

Controlla duplicati, codici impossibili, formati delle date e coerenza delle unità. Se misuri due volte le stesse persone, mantieni un identificatore che permetta l'abbinamento senza inserire nominativi nel file di lavoro quando non necessari. Le modalità di trattamento dei dati devono seguire le indicazioni approvate per il progetto.

Ogni correzione deve essere ricostruibile. Un registro con problema, decisione e numero di osservazioni coinvolte permette di spiegare come sei arrivato al campione analizzato.

3. Esplora prima di scegliere il modello

Guarda distribuzioni, valori estremi, relazioni e differenze tra gruppi. L'introduzione NIST all'analisi esplorativa spiega come grafici ed esplorazione aiutino a riconoscere struttura, anomalie e assunzioni dei dati.

Per la tesi, organizza le descrizioni in funzione della domanda: conteggi per le categorie, misure di posizione e variabilità appropriate per le quantità, grafici leggibili con unità e numerosità. Non eliminare un valore soltanto perché disturba il risultato: verifica se sia un errore o un'osservazione plausibile e documenta la decisione.

4. Distingui confronti indipendenti e misure ripetute

Due gruppi composti da persone diverse non sono lo stesso problema di due misure sulle medesime persone. Nel secondo caso l'abbinamento è informazione da conservare, non un dettaglio del foglio di calcolo.

La documentazione NIST sul confronto di due medie distingue campioni appaiati e non appaiati e discute il ruolo delle varianze. È un riferimento per comprendere la famiglia di procedure, non una regola secondo cui ogni confronto debba utilizzare un t-test.

La scelta concreta richiede di conoscere tipo di variabile, distribuzione, dipendenza tra osservazioni e disegno dello studio. Non scegliere un test solo perché il suo nome compare in un tutorial. Se il piano comprende più confronti, discutine le conseguenze prima di interpretare i singoli risultati.

5. Esempio: valutare un laboratorio didattico

Esempio ipotetico, con numeri inventati a scopo illustrativo: 40 studenti svolgono una prova prima e dopo un laboratorio. Per 36 sono disponibili entrambe le misure; quattro non completano la seconda rilevazione.

Prima domanda: che cosa vuoi valutare? Se ti interessa il cambiamento del punteggio, devi conservare l'abbinamento delle due prove per ciascuno studente. Descrivi quante osservazioni entrano nel confronto, perché alcune mancano e quale procedura hai concordato.

Supponiamo che nei 36 casi completi la media passi da 18 a 22 punti sulla stessa scala. Il cambiamento medio osservato è di 4 punti. Questo riassunto, da solo, non dice quanto siano variabili i cambiamenti né quale sia l'incertezza della stima; non permette neppure di attribuire l'aumento al laboratorio senza valutare disegno e spiegazioni alternative.

Una formulazione prudente è: “Nei partecipanti con entrambe le misure si osserva un aumento medio di 4 punti. Il disegno e le mancate rilevazioni limitano l'interpretazione del cambiamento”. Completa poi con le misure e le analisi effettivamente giustificate. Non copiare questi numeri nella tua tesi come risultati reali.

6. Scrivi risultati e discussione con funzioni diverse

Nel capitolo dei risultati presenta il campione analizzato, la qualità dei dati e gli esiti nell'ordine degli obiettivi. Spiega che cosa mostrano tabelle e grafici senza ripetere ogni valore. Indica chiaramente denominatori e unità di misura.

Nella discussione collega gli esiti alla domanda iniziale e alla letteratura, valuta spiegazioni alternative e limiti. Un risultato non atteso non è un errore da nascondere. Evita di trasformare un'associazione in causalità o un esito inconcludente nella prova che un effetto non esista.

Per collocare queste parti nel documento, consulta gli esempi di indice per una tesi empirica.

Cosa portare al confronto con il relatore

• Domanda e piano di analisi aggiornato.
• Descrizione di campione, raccolta e criteri di selezione.
• Dizionario delle variabili e registro della pulizia.
• Prime tabelle descrittive e grafici essenziali.
• Dubbi specifici sulle procedure, non soltanto schermate del software.
• Elenco delle decisioni ancora da concordare.

Domande frequenti

Devo usare SPSS, R o Excel?

Scegli lo strumento dopo aver definito le analisi. Deve consentire le procedure necessarie e una traccia comprensibile del lavoro. Il nome del software non garantisce la correttezza del metodo.

Quante osservazioni servono per una tesi sperimentale?

Non c'è una soglia valida per ogni progetto. La pianificazione dipende da obiettivo, disegno, precisione desiderata, variabilità e vincoli di raccolta. Concordala prima di raccogliere i dati; se il campione è già fissato, discuti i limiti delle conclusioni.

Posso iniziare dai grafici?

Sì, come esplorazione documentata. Mantieni però la distinzione tra ciò che avevi pianificato di verificare e le ipotesi suggerite dai dati.

Come chiedere supporto senza delegare la ricerca?

Per un confronto sull'analisi dei dati della tesi, descrivi domanda, disegno e materiale disponibile. Il supporto può aiutarti a capire e controllare le procedure; devi poter motivare personalmente le scelte e spiegare i risultati in discussione.