Vai alla Home Page About me Courseware Federica Living Library Federica Federica Podstudio Virtual Campus 3D Le Miniguide all'orientamento Gli eBook di Federica La Corte in Rete
 
I corsi di Sociologia
 
Il Corso Le lezioni del Corso La Cattedra
 
Materiali di approfondimento Risorse Web Il Podcast di questa lezione

Giancarlo Ragozini » 12.La fase operativa e l'analisi dei dati – casi studio


La Somministrazione

A chi?

  • Agli utenti diretti (beneficiari del servizio);
  • Agli utenti indiretti (altri beneficiari);
  • Agli utenti interni (personale e operatori).

Come?

  • Autosomministrazione.

Il piano della rilevazione


Il piano della rilevazione (segue)

Suggerimenti di campionamento

Utenti diretti
Campionamento Casuale Stratificato
Campionamento Ragionato

Utenti indiretti
Campionamento Casuale Stratificato
Campionamento Ragionato

Personale e operatori
Campionamento Casuale Semplice

Personale ATA
Campionamento Casuale Semplice

Il piano della rilevazione (segue)

Elementi necessari al campionamento

Lista della popolazione eventualmente divisa in strati
Facilmente reperibile per il personale e per gli utenti. I familiari sono collegati agli utenti.

Determinazione della numerosità campionaria
Formule per il calcolo con il fattore di correzione per le popolazioni finite.

Estrazione del campione
Generatore di numeri casuali.

Lista dei sostituti
Elenco di soggetti per sostituire le cadute naturali.

Il piano della rilevazione (segue)

Determinazione della numerosità campionaria

  • Fissato un errore E
  • Fissato un livello di confidenza 1-α
  • Ponendo il caso di massima variabilità

Si ha:

n\approx \left[\frac{z_{a/2}\sqrt{p(1-p)}}{E}\right]^2\approx\left(\frac{z_{a/2}}{2E}\right)^2

Per popolazioni finite tale numerosità va corretta con la  formula

n^*=\frac n {1+\frac n N}=\frac{nN}{N+n}

Il piano della rilevazione (segue)

Un esempio

  • Fissato un errore E=0.05 ovvero una precisione del 5%
  • Fissato un livello di confidenza 1-a = 95%
  • Ponendo il caso di massima variabilità per una Bernoulliana

Si ha che:

n\approx \left(\frac{1.96}{2\times 0.05}\right)^2\approx 385

Per una popolazione di circa 200 soggetti si avrà

n^*=\frac{385\times 200}{385+200}\approx 131

Il piano della ricerca valutativa

Tempi: la valutazione è un processo che dura tutto l’anno

Focus Group → Ottobre/Novembre

Predisposizione del questionario  →  Gennaio/Febbraio

Somministrazione  →  Marzo/Aprile

Data Entry  →  Maggio

Elaborazione/Analisi  →  Giugno/Luglio

Comunicazione Condivizione  →  Settembre

L’analisi dei dati

Strumenti esplorativi

  • Distribuzioni di frequenza relativa
    • Attenzione alle mancate risposte e alle frequenze estreme;
  • Distribuzioni di frequenza cumulata
    • Solo per le domande con modalità a scale nominale;
  • Rango medio
    • Per le graduatorie;
  • Tabelle di contingenza
    • Per l’associazione fra due caratteristiche;
    • Lettura dei profili riga e profili colonna;
  • Rappresentazioni grafiche
    • Facilitano l’interpretazione e migliorano la comunicazione.

L’analisi dei dati (segue)

La costruzione di indicatori

Siano Q1,…,Qj,…,Qp i p item del questionario corrispondenti ai fattori di qualità individuati;
Si definisca su Qj una scala di misura S(Qj)= S(Aj,Xjj) con

  • Aj l’insieme ordinato delle mj modalità di risposta (a1j,…, akj,…,amj)
  • Xj=(x1j,…,xkj,…,xmj), Xj ∈ℜ un sottoinsieme di numeri reali corrispondenti alle modalità di risposta
  • φj l’omomorfismo che mette in relazione Aj e Xj
    • φj : Aj → Xj
    • φj(akj)= xkj

L’omomorfismo φ(•) è tale che

  • xk+1 -xk=x(n-k)+1-xn-k

con k=1,…, [m/2]


L’analisi dei dati (segue)

Ogni Xjpuò essere pensata come una variabile casuale con funzione massa di probabilità P(Xj=xkj)
Nel caso teorico di perfetta indifferenza nella valutazione si avrà che
P(Xj=xkj)= P(Xj=x(n-k)j) ed anche che P(Xj=xkj)≤ P(Xj=x(k+1)j)
con k=1,…, [m/2]

Ovvero le probabilità di esprimere giudizi estremi nella scala di valutazione sono uguali fra loro e tendono a zero; mano a mano che ci avvicina al centro della scala le probabilità crescono presentando maggior massa nella modalità centrale (nel caso di m dispari) o nelle due centrali (nel caso di m pari).


L’analisi dei dati (segue)

L’indicatori di qualità proposti misurano lo scostamento della valutazione espressa dagli n soggetti rispetto alla valutazione nel caso di indifferenza

-1\leq I^*(Q_j)=\frac{T(X_j)-E_{|ind}(X_j)}{x_{mj}-x_{1J}/2}\leq 1

Se I(Qj) > 0
allora la valutazione espressa è positiva.

Se I(Qj) < 0
allora la valutazione espressa è negativa.

L’analisi dei dati (segue)


L’analisi dei dati (segue)

Strumenti software

  • Per il data entry
    • Un qualunque foglio elettronico o database;
  • Per le elaborazioni di base
    • Funzioni di interrogazioni;
  • Per la costruzione degli indicatori
    • Macro appositamente scritte.

Facilmente elaborabili con Excel.

Un caso studio

Indagine svolta in tre scuole napoletane
Il campione è stato costruito secondo uno schema di campionamento casuale stratificato autoponderante, utilizzando come variabile di strato la scuola di appartenenza. Sui 90 docenti estratti ed inclusi nel campione 81 hanno risposto al questionario e solo 9 si sono rifiutati di partecipare all’indagine con una percentuale di caduta pari al 10%. Il campione al termine della rilevazione è composto dal 35% di docenti provenienti dalla SCUOLA A, dal 25% della SCUOLA B e dal 42% della SCUOLA C, con un peso corrispondente alle relative grandezze delle scuole.

I Questionari – Fattori di Qualità

Definizione dei fattori di qualità

  • Aule e attrezzature
  • Il POF
  • Motivazioni e aspettative
  • Attività didattica
  • Relazioni interpersonali, comunicazione e capacità di gestire i ruoli
  • Clima dell’istituzione scolastica
  • Soddisfazione rispetto l’organizzazione
  • Soddisfazione generale

Il Questionario Utenti


Un caso studio


Un caso studio (segue)


Un caso studio (segue)


Un caso studio (segue)


  • Contenuti protetti da Creative Commons
  • Feed RSS
  • Condividi su FriendFeed
  • Condividi su Facebook
  • Segnala su Twitter
  • Condividi su LinkedIn
Progetto "Campus Virtuale" dell'Università degli Studi di Napoli Federico II, realizzato con il cofinanziamento dell'Unione europea. Asse V - Società dell'informazione - Obiettivo Operativo 5.1 e-Government ed e-Inclusion