UNIVERSITÀ DEGLI STUDI DI TRENTO
FACOLTÀ DI SOCIOLOGIA
CORSO DI LAUREA SPECIALISTICA IN
SOCIOLOGIA E RICERCA SOCIALE
Compu...
2
Computer Assisted Qualitative Data Analysis Software
(CAQDAS)
Opportunità, problematiche e potenziali sviluppi
Parole ch...
3
Tutti i marchi e i software menzionati in questo elaborato sono da intendersi di
proprietà dei rispettivi detenenti diri...
4
Computer Assisted Qualitative Data Analysis Software (CAQDAS)
Opportunities, risks and potential development
Abstract
Th...
5
Sommario
Introduzione......................................................................................................
6
Esplorazione e visualizzazione dei dati semplice ................................................99
Organizzazione della...
7
Introduzione
L'oggetto di questo elaborato sono i software per l'analisi dei dati qualitativi
assistita da computer (anc...
8
che li hanno ottenuti ad analizzarli). Ancora più importante è la loro
interpretazione, che per sua natura riflette il p...
9
Intendo inoltre dimostrare che sebbene alcuni approcci non traggano particolare
beneficio dai CAQDAS, tali software non ...
10
Successivamente, nel secondo capitolo, sono intenzionato ad analizzare le
possibilità di analisi computer-assisted disp...
11
1. Il ruolo del software nella ricerca qualitativa
In questo primo capitolo inquadreremo i software per l’analisi quali...
12
ovvero uno studio statistico sulle frequenze di parole e frasi, o occorrenze di
parole e frasi con altre. Sebbene anche...
13
mantenendo però un certo numero di correnti e, soprattutto, all’approccio
individuale del ricercatore. Che ruolo ha all...
14
content analysis ha lasciato a desiderare anche per i ricercatori quantitativi, i
CAQDAS possono essere in grado di far...
15
quanto riguarda ATLAS.ti). Questo però avviene a quel genere di recensioni
sullo stato dell’arte intenzionate a concent...
16
Tradizionalmente i ricercatori qualitativi conducevano le loro analisi «a mano»,
scrivendo le trascrizioni e le note di...
17
aggiornamento ed estensione dei pacchetti esistenti e alla scomparsa di quelli
meno utilizzati. I software hanno inizia...
18
La tecnologia ha due possibili impatti: da una parte permette nuovi modi per
registrare e raccogliere i dati, dall’altr...
19
Lang (2005) si interessano al Regno Unito, dove riscontrano interesse (anche
motivato dalla presenza del CAQDAS Network...
20
riferimento sopra. Assieme ad altri fattori può aiutare i ricercatori qualitativi
italiani a combattere il senso di inf...
21
condivisione tra i ricercatori (vista quindi sotto certi aspetti come un bene
commerciabile); infine, gli autori osserv...
22
gruppo di utenti manifesta esplicitamente richieste per gli sviluppatori, riguardo
alle capacità del programma. (Mangab...
23
crescita degli studi che presentano più metodi, e anche le ricerche basate su
materiale proveniente da Internet. Il pro...
24
analizzare i dati, i non accademici mancano di riferimento. Ciò porta anche
all’applicazione di un approccio senza real...
25
software senza apprezzare il metodo qualitativo, c’è il rischio che le possibilità
analitiche offerte dal loro software...
26
In questo capitolo esamineremo a livello generale le possibilità offerte dai
CAQDAS rispetto ai metodi tradizionali d’a...
27
Applicazione di codici a segmenti di dati
Questa operazione e la prossima di cui tratteremo riguardano la codifica. Un
...
28
risorse, se il ricercatore lavora individualmente o come membro di un team, e
da quello che sarà l’audience ricerca. So...
29
(axial, fase caratterizzata da raggruppamenti e confronti e nel mettere insieme i
frammenti), infine selettiva (selezio...
30
latente dei dati, più che comparare temi tra i dati. Quindi vedono la codifica
come uno spezzettamento esagerato. (Maso...
31
Realizzazione di uno schema di codifica
Strettamente connesso alla questione dei codici vi è la realizzazione di uno
sc...
32
Non necessariamente il quadro teorico riflette gli schemi di codifica: dipende
dall’approccio (per la grounded theory è...
33
d’analisi. Per esempio si può stampare, magari ci si trova meglio su carta, o si
trovano cose che non si vedevano sul m...
34
strumenti per evitare la lista principale dei codici. Ciò riveste una particolare
praticità, perché permette di tornare...
35
Esplorazione e visualizzazione dei dati semplice
Una volta effettuata la codifica, successivamente lo scopo principale ...
36
progetto. Inoltre è possibile salvare istantanee (snapshots) in momenti
significativi, vedere le varie fasi del lavoro....
37
finisca perso, e in più viene tenuta traccia delle idee iniziali, cosicché si possa
riformularle meglio. Può essere com...
38
Capita spesso di sentire che si fanno “fasi” di ricerca separate (lo stesso può
apparire in questo elaborato). Ma in ve...
39
(cosa, come e perché), per produrre nuove idee e spiegazioni; e poi un
importante elaborazione, estensione, modifica de...
40
Mappare idee e collegare concetti
Come si è visto la realizzazione di mappe è un aspetto molto legato ai memo.
Le mappe...
41
empiriche che stanno dietro il modello possono aiutare a evidenziare aspetti per
una successiva considerazione. Detto i...
42
come le cose stanno assieme e legarle in nuovi concetti, codici, per poi
modellarle in concetti più ampi (o codici assi...
43
L’organizzazione per caratteristiche socio-demografiche può essere un’idea, ma
è anche importante dividere i loro tipi,...
44
L’organizzazione è ben fattibile se il documento è un elemento singolo dei dati
raccolti. Si può dare un attributo anch...
Computer Assisted Qualitative Data Analysis Software (CAQDAS) Opportunità, problematiche e potenziali sviluppi
Computer Assisted Qualitative Data Analysis Software (CAQDAS) Opportunità, problematiche e potenziali sviluppi
Computer Assisted Qualitative Data Analysis Software (CAQDAS) Opportunità, problematiche e potenziali sviluppi
Computer Assisted Qualitative Data Analysis Software (CAQDAS) Opportunità, problematiche e potenziali sviluppi
Computer Assisted Qualitative Data Analysis Software (CAQDAS) Opportunità, problematiche e potenziali sviluppi
Computer Assisted Qualitative Data Analysis Software (CAQDAS) Opportunità, problematiche e potenziali sviluppi
Computer Assisted Qualitative Data Analysis Software (CAQDAS) Opportunità, problematiche e potenziali sviluppi
Computer Assisted Qualitative Data Analysis Software (CAQDAS) Opportunità, problematiche e potenziali sviluppi
Computer Assisted Qualitative Data Analysis Software (CAQDAS) Opportunità, problematiche e potenziali sviluppi
Computer Assisted Qualitative Data Analysis Software (CAQDAS) Opportunità, problematiche e potenziali sviluppi
Computer Assisted Qualitative Data Analysis Software (CAQDAS) Opportunità, problematiche e potenziali sviluppi
Computer Assisted Qualitative Data Analysis Software (CAQDAS) Opportunità, problematiche e potenziali sviluppi
Computer Assisted Qualitative Data Analysis Software (CAQDAS) Opportunità, problematiche e potenziali sviluppi
Computer Assisted Qualitative Data Analysis Software (CAQDAS) Opportunità, problematiche e potenziali sviluppi
Computer Assisted Qualitative Data Analysis Software (CAQDAS) Opportunità, problematiche e potenziali sviluppi
Computer Assisted Qualitative Data Analysis Software (CAQDAS) Opportunità, problematiche e potenziali sviluppi
Computer Assisted Qualitative Data Analysis Software (CAQDAS) Opportunità, problematiche e potenziali sviluppi
Computer Assisted Qualitative Data Analysis Software (CAQDAS) Opportunità, problematiche e potenziali sviluppi
Computer Assisted Qualitative Data Analysis Software (CAQDAS) Opportunità, problematiche e potenziali sviluppi
Computer Assisted Qualitative Data Analysis Software (CAQDAS) Opportunità, problematiche e potenziali sviluppi
Computer Assisted Qualitative Data Analysis Software (CAQDAS) Opportunità, problematiche e potenziali sviluppi
Computer Assisted Qualitative Data Analysis Software (CAQDAS) Opportunità, problematiche e potenziali sviluppi
Computer Assisted Qualitative Data Analysis Software (CAQDAS) Opportunità, problematiche e potenziali sviluppi
Computer Assisted Qualitative Data Analysis Software (CAQDAS) Opportunità, problematiche e potenziali sviluppi
Computer Assisted Qualitative Data Analysis Software (CAQDAS) Opportunità, problematiche e potenziali sviluppi
Computer Assisted Qualitative Data Analysis Software (CAQDAS) Opportunità, problematiche e potenziali sviluppi
Computer Assisted Qualitative Data Analysis Software (CAQDAS) Opportunità, problematiche e potenziali sviluppi
Computer Assisted Qualitative Data Analysis Software (CAQDAS) Opportunità, problematiche e potenziali sviluppi
Computer Assisted Qualitative Data Analysis Software (CAQDAS) Opportunità, problematiche e potenziali sviluppi
Computer Assisted Qualitative Data Analysis Software (CAQDAS) Opportunità, problematiche e potenziali sviluppi
Computer Assisted Qualitative Data Analysis Software (CAQDAS) Opportunità, problematiche e potenziali sviluppi
Computer Assisted Qualitative Data Analysis Software (CAQDAS) Opportunità, problematiche e potenziali sviluppi
Computer Assisted Qualitative Data Analysis Software (CAQDAS) Opportunità, problematiche e potenziali sviluppi
Computer Assisted Qualitative Data Analysis Software (CAQDAS) Opportunità, problematiche e potenziali sviluppi
Computer Assisted Qualitative Data Analysis Software (CAQDAS) Opportunità, problematiche e potenziali sviluppi
Computer Assisted Qualitative Data Analysis Software (CAQDAS) Opportunità, problematiche e potenziali sviluppi
Computer Assisted Qualitative Data Analysis Software (CAQDAS) Opportunità, problematiche e potenziali sviluppi
Computer Assisted Qualitative Data Analysis Software (CAQDAS) Opportunità, problematiche e potenziali sviluppi
Computer Assisted Qualitative Data Analysis Software (CAQDAS) Opportunità, problematiche e potenziali sviluppi
Computer Assisted Qualitative Data Analysis Software (CAQDAS) Opportunità, problematiche e potenziali sviluppi
Computer Assisted Qualitative Data Analysis Software (CAQDAS) Opportunità, problematiche e potenziali sviluppi
Computer Assisted Qualitative Data Analysis Software (CAQDAS) Opportunità, problematiche e potenziali sviluppi
Computer Assisted Qualitative Data Analysis Software (CAQDAS) Opportunità, problematiche e potenziali sviluppi
Computer Assisted Qualitative Data Analysis Software (CAQDAS) Opportunità, problematiche e potenziali sviluppi
Computer Assisted Qualitative Data Analysis Software (CAQDAS) Opportunità, problematiche e potenziali sviluppi
Computer Assisted Qualitative Data Analysis Software (CAQDAS) Opportunità, problematiche e potenziali sviluppi
Computer Assisted Qualitative Data Analysis Software (CAQDAS) Opportunità, problematiche e potenziali sviluppi
Computer Assisted Qualitative Data Analysis Software (CAQDAS) Opportunità, problematiche e potenziali sviluppi
Computer Assisted Qualitative Data Analysis Software (CAQDAS) Opportunità, problematiche e potenziali sviluppi
Computer Assisted Qualitative Data Analysis Software (CAQDAS) Opportunità, problematiche e potenziali sviluppi
Computer Assisted Qualitative Data Analysis Software (CAQDAS) Opportunità, problematiche e potenziali sviluppi
Computer Assisted Qualitative Data Analysis Software (CAQDAS) Opportunità, problematiche e potenziali sviluppi
Computer Assisted Qualitative Data Analysis Software (CAQDAS) Opportunità, problematiche e potenziali sviluppi
Computer Assisted Qualitative Data Analysis Software (CAQDAS) Opportunità, problematiche e potenziali sviluppi
Computer Assisted Qualitative Data Analysis Software (CAQDAS) Opportunità, problematiche e potenziali sviluppi
Computer Assisted Qualitative Data Analysis Software (CAQDAS) Opportunità, problematiche e potenziali sviluppi
Computer Assisted Qualitative Data Analysis Software (CAQDAS) Opportunità, problematiche e potenziali sviluppi
Computer Assisted Qualitative Data Analysis Software (CAQDAS) Opportunità, problematiche e potenziali sviluppi
Computer Assisted Qualitative Data Analysis Software (CAQDAS) Opportunità, problematiche e potenziali sviluppi
Computer Assisted Qualitative Data Analysis Software (CAQDAS) Opportunità, problematiche e potenziali sviluppi
Computer Assisted Qualitative Data Analysis Software (CAQDAS) Opportunità, problematiche e potenziali sviluppi
Computer Assisted Qualitative Data Analysis Software (CAQDAS) Opportunità, problematiche e potenziali sviluppi
Computer Assisted Qualitative Data Analysis Software (CAQDAS) Opportunità, problematiche e potenziali sviluppi
Computer Assisted Qualitative Data Analysis Software (CAQDAS) Opportunità, problematiche e potenziali sviluppi
Computer Assisted Qualitative Data Analysis Software (CAQDAS) Opportunità, problematiche e potenziali sviluppi
Computer Assisted Qualitative Data Analysis Software (CAQDAS) Opportunità, problematiche e potenziali sviluppi
Computer Assisted Qualitative Data Analysis Software (CAQDAS) Opportunità, problematiche e potenziali sviluppi
Computer Assisted Qualitative Data Analysis Software (CAQDAS) Opportunità, problematiche e potenziali sviluppi
Computer Assisted Qualitative Data Analysis Software (CAQDAS) Opportunità, problematiche e potenziali sviluppi
Computer Assisted Qualitative Data Analysis Software (CAQDAS) Opportunità, problematiche e potenziali sviluppi
Computer Assisted Qualitative Data Analysis Software (CAQDAS) Opportunità, problematiche e potenziali sviluppi
Computer Assisted Qualitative Data Analysis Software (CAQDAS) Opportunità, problematiche e potenziali sviluppi
Computer Assisted Qualitative Data Analysis Software (CAQDAS) Opportunità, problematiche e potenziali sviluppi
Computer Assisted Qualitative Data Analysis Software (CAQDAS) Opportunità, problematiche e potenziali sviluppi
Computer Assisted Qualitative Data Analysis Software (CAQDAS) Opportunità, problematiche e potenziali sviluppi
Computer Assisted Qualitative Data Analysis Software (CAQDAS) Opportunità, problematiche e potenziali sviluppi
Computer Assisted Qualitative Data Analysis Software (CAQDAS) Opportunità, problematiche e potenziali sviluppi
Computer Assisted Qualitative Data Analysis Software (CAQDAS) Opportunità, problematiche e potenziali sviluppi
Computer Assisted Qualitative Data Analysis Software (CAQDAS) Opportunità, problematiche e potenziali sviluppi
Computer Assisted Qualitative Data Analysis Software (CAQDAS) Opportunità, problematiche e potenziali sviluppi
Computer Assisted Qualitative Data Analysis Software (CAQDAS) Opportunità, problematiche e potenziali sviluppi
Computer Assisted Qualitative Data Analysis Software (CAQDAS) Opportunità, problematiche e potenziali sviluppi
Computer Assisted Qualitative Data Analysis Software (CAQDAS) Opportunità, problematiche e potenziali sviluppi
Computer Assisted Qualitative Data Analysis Software (CAQDAS) Opportunità, problematiche e potenziali sviluppi
Computer Assisted Qualitative Data Analysis Software (CAQDAS) Opportunità, problematiche e potenziali sviluppi
Computer Assisted Qualitative Data Analysis Software (CAQDAS) Opportunità, problematiche e potenziali sviluppi
Computer Assisted Qualitative Data Analysis Software (CAQDAS) Opportunità, problematiche e potenziali sviluppi
Computer Assisted Qualitative Data Analysis Software (CAQDAS) Opportunità, problematiche e potenziali sviluppi
Computer Assisted Qualitative Data Analysis Software (CAQDAS) Opportunità, problematiche e potenziali sviluppi
Computer Assisted Qualitative Data Analysis Software (CAQDAS) Opportunità, problematiche e potenziali sviluppi
Computer Assisted Qualitative Data Analysis Software (CAQDAS) Opportunità, problematiche e potenziali sviluppi
Computer Assisted Qualitative Data Analysis Software (CAQDAS) Opportunità, problematiche e potenziali sviluppi
Computer Assisted Qualitative Data Analysis Software (CAQDAS) Opportunità, problematiche e potenziali sviluppi
Computer Assisted Qualitative Data Analysis Software (CAQDAS) Opportunità, problematiche e potenziali sviluppi
Computer Assisted Qualitative Data Analysis Software (CAQDAS) Opportunità, problematiche e potenziali sviluppi
Computer Assisted Qualitative Data Analysis Software (CAQDAS) Opportunità, problematiche e potenziali sviluppi
Computer Assisted Qualitative Data Analysis Software (CAQDAS) Opportunità, problematiche e potenziali sviluppi
Computer Assisted Qualitative Data Analysis Software (CAQDAS) Opportunità, problematiche e potenziali sviluppi
Computer Assisted Qualitative Data Analysis Software (CAQDAS) Opportunità, problematiche e potenziali sviluppi
Computer Assisted Qualitative Data Analysis Software (CAQDAS) Opportunità, problematiche e potenziali sviluppi
Computer Assisted Qualitative Data Analysis Software (CAQDAS) Opportunità, problematiche e potenziali sviluppi
Computer Assisted Qualitative Data Analysis Software (CAQDAS) Opportunità, problematiche e potenziali sviluppi
Computer Assisted Qualitative Data Analysis Software (CAQDAS) Opportunità, problematiche e potenziali sviluppi
Computer Assisted Qualitative Data Analysis Software (CAQDAS) Opportunità, problematiche e potenziali sviluppi
Computer Assisted Qualitative Data Analysis Software (CAQDAS) Opportunità, problematiche e potenziali sviluppi
Computer Assisted Qualitative Data Analysis Software (CAQDAS) Opportunità, problematiche e potenziali sviluppi
Computer Assisted Qualitative Data Analysis Software (CAQDAS) Opportunità, problematiche e potenziali sviluppi
Computer Assisted Qualitative Data Analysis Software (CAQDAS) Opportunità, problematiche e potenziali sviluppi
Computer Assisted Qualitative Data Analysis Software (CAQDAS) Opportunità, problematiche e potenziali sviluppi
Computer Assisted Qualitative Data Analysis Software (CAQDAS) Opportunità, problematiche e potenziali sviluppi
Computer Assisted Qualitative Data Analysis Software (CAQDAS) Opportunità, problematiche e potenziali sviluppi
Computer Assisted Qualitative Data Analysis Software (CAQDAS) Opportunità, problematiche e potenziali sviluppi
Computer Assisted Qualitative Data Analysis Software (CAQDAS) Opportunità, problematiche e potenziali sviluppi
Computer Assisted Qualitative Data Analysis Software (CAQDAS) Opportunità, problematiche e potenziali sviluppi
Computer Assisted Qualitative Data Analysis Software (CAQDAS) Opportunità, problematiche e potenziali sviluppi
Computer Assisted Qualitative Data Analysis Software (CAQDAS) Opportunità, problematiche e potenziali sviluppi
Computer Assisted Qualitative Data Analysis Software (CAQDAS) Opportunità, problematiche e potenziali sviluppi
Computer Assisted Qualitative Data Analysis Software (CAQDAS) Opportunità, problematiche e potenziali sviluppi
Computer Assisted Qualitative Data Analysis Software (CAQDAS) Opportunità, problematiche e potenziali sviluppi
Computer Assisted Qualitative Data Analysis Software (CAQDAS) Opportunità, problematiche e potenziali sviluppi
Computer Assisted Qualitative Data Analysis Software (CAQDAS) Opportunità, problematiche e potenziali sviluppi
Computer Assisted Qualitative Data Analysis Software (CAQDAS) Opportunità, problematiche e potenziali sviluppi
Computer Assisted Qualitative Data Analysis Software (CAQDAS) Opportunità, problematiche e potenziali sviluppi
Computer Assisted Qualitative Data Analysis Software (CAQDAS) Opportunità, problematiche e potenziali sviluppi
Computer Assisted Qualitative Data Analysis Software (CAQDAS) Opportunità, problematiche e potenziali sviluppi
Computer Assisted Qualitative Data Analysis Software (CAQDAS) Opportunità, problematiche e potenziali sviluppi
Computer Assisted Qualitative Data Analysis Software (CAQDAS) Opportunità, problematiche e potenziali sviluppi
Computer Assisted Qualitative Data Analysis Software (CAQDAS) Opportunità, problematiche e potenziali sviluppi
Computer Assisted Qualitative Data Analysis Software (CAQDAS) Opportunità, problematiche e potenziali sviluppi
Computer Assisted Qualitative Data Analysis Software (CAQDAS) Opportunità, problematiche e potenziali sviluppi
Computer Assisted Qualitative Data Analysis Software (CAQDAS) Opportunità, problematiche e potenziali sviluppi
Computer Assisted Qualitative Data Analysis Software (CAQDAS) Opportunità, problematiche e potenziali sviluppi
Computer Assisted Qualitative Data Analysis Software (CAQDAS) Opportunità, problematiche e potenziali sviluppi
Computer Assisted Qualitative Data Analysis Software (CAQDAS) Opportunità, problematiche e potenziali sviluppi
Computer Assisted Qualitative Data Analysis Software (CAQDAS) Opportunità, problematiche e potenziali sviluppi
Upcoming SlideShare
Loading in...5
×

Computer Assisted Qualitative Data Analysis Software (CAQDAS) Opportunità, problematiche e potenziali sviluppi

509

Published on

The subject of my dissertation is Computer Assisted Qualitative Data Analysis Software (CAQDAS). These packages are important tools to support researchers in universities, research institutions and companies, but their use is criticized and not so widespread. Traditionally, while cataloguing, analysing and writing results, a manual method has been used: underlining, markers, scissors, involving every kind of problem which is related to working on large amounts of paper. Later, the spreading of personal computers and the first text editors eased some of these processes. CADQAS is a more powerful tool, compared to a traditional text editor: it is possible to work on a «project» which digitally contains all data. Into this project it is possibile to catalogue all the research's material, to easily assign labels in text parts which are considered relevant, to link other parts of text, etc. It is important to remark that many researchers argue that using computer to interpretate data implies more transparency and traceability, avoiding the risk of bias in the explanation construction or testing a theory.
From these starting points, my research deals with a general overview from literature, about CAQDAS, trying to understand its role, explaining the phases of its development, and analysing its strengths and weaknesses. Then I analyse the practical possibilities of the three most widespread software available at the moment, ATLAS.ti, MAXqda and NVivo, including a short review of the software programmes that are still up to date. This is important to understand the reasons for choosing a particular software or another one, and even if choosing not to use any of them. Subsequently I investigate the ways in which computer assisted research is carried out by researchers and professors of the University of Trento and others Italian universities. I interviewed several researchers and I also taught how to use a software (ATLAS.ti) to a group of students to investigate their opinion. This is relevant to understand the problems encountered, to record the demands and to observe the ways in which software is experienced. Secondly is also important to consider qualitative researchers who don't utilise software for their researches, and why. Finally I deal with the potential development of CAQDAS, such as open source and web-based packages. A particular remark will involve the QDA-UniTN Project (open source, multiplatform, in real-time collaborative and web-based). in which I collaborated to write the feasibility study. It involves a team of Sociology and Computer Science students. The project is supposed to care more about the researchers' demands, considering at first the user-friendly issue. It is also supposed to be collaborative, helping in this way the transparency of the research process.

0 Comments
0 Likes
Statistics
Notes
  • Be the first to comment

  • Be the first to like this

No Downloads
Views
Total Views
509
On Slideshare
0
From Embeds
0
Number of Embeds
0
Actions
Shares
0
Downloads
9
Comments
0
Likes
0
Embeds 0
No embeds

No notes for slide

Computer Assisted Qualitative Data Analysis Software (CAQDAS) Opportunità, problematiche e potenziali sviluppi

  1. 1. UNIVERSITÀ DEGLI STUDI DI TRENTO FACOLTÀ DI SOCIOLOGIA CORSO DI LAUREA SPECIALISTICA IN SOCIOLOGIA E RICERCA SOCIALE Computer Assisted Qualitative Data Analysis Software (CAQDAS) Opportunità, problematiche e potenziali sviluppi Relatore: prof. Giolo Fele Candidato: Lorenzo Ruzzene Anno accademico 2008/2009
  2. 2. 2 Computer Assisted Qualitative Data Analysis Software (CAQDAS) Opportunità, problematiche e potenziali sviluppi Parole chiave: CAQDAS, qualitative analysis, software, computer-assisted Relatore: prof. Giolo Fele Candidato: Lorenzo Ruzzene
  3. 3. 3 Tutti i marchi e i software menzionati in questo elaborato sono da intendersi di proprietà dei rispettivi detenenti diritto. Data dell’ultima revisione: 24 agosto 2009 Ringraziamenti Ringrazio il dott. Maurizio Teli, il prof. Vincenzo D’Andrea e il dott. Luigi Lissandrini per avermi dato la possibilità di collaborare al progetto QDA-UniTN, ai quali porgo i migliori auguri che il progetto arrivi ad un soddisfacente compimento. Ringrazio inoltre Paolo D’Incau per avermi fatto comprendere le difficoltà degli sviluppatori nel soddisfare le numerose richieste degli scienziati sociali. Un ringraziamento va anche al personale della Facoltà di Scienze Sociali della Budapesti Corvinus Egyetem (Corvinus University of Budapest) per l’iniziale supporto alla mia ricerca nel corso del periodo trascorso come studente Erasmus nel loro istituto. Un ringraziamento va anche ai ricercatori e docenti da me interpellati, per la loro pazienza e grande disponibilità nel darmi suggerimenti e le loro opinioni riguardo il processo di ricerca. Grazie anche agli studenti del primo anno della laurea magistrale in Sociologia e Ricerca Sociale per avermi fornito le loro considerazioni e soprattutto i dubbi riguardo all’utilizzo del software per la loro esperienza di ricerca. Ringrazio anche il mio relatore, il prof. Giolo Fele, per tutta l’assistenza fornitami, per i suggerimenti riguardo i ricercatori da contattare e la possibilità di insegnare ATLAS.ti agli studenti del suo corso; un grazie anche alle sue due collaboratrici, Veronica Dei Rossi e Michela Ventura per avermi aiutato nella non facile attività dell’insegnamento. A tutti un augurio di un felice proseguimento (o di un inizio) di carriera di ricerca, nella speranza che le questioni di questo mio elaborato possano essere di valido aiuto nel loro lavoro. Ringrazio Daniel per tutto l’aiuto e il sostegno che è stato in grado di darmi, e Luca per I validi consigli che mi ha fornito. Ringrazio di cuore José per avermi supportato oltre il ragionevole soprattutto in campi non propriamente accademici. Un grazie anche ad Alessandra e Veronica per il loro sostegno, in particolare negli ultimi mesi di stesura. Ringrazio mia sorella Maddy per essermi stata vicina e per i suoi consigli sull’inglese. Un ultimo e sentito ringraziamento a Lucia per avermi fatto comprendere tante cose importanti, aiuto nel quale mi auguro di poter contare ancora in futuro.
  4. 4. 4 Computer Assisted Qualitative Data Analysis Software (CAQDAS) Opportunities, risks and potential development Abstract The subject of my dissertation is Computer Assisted Qualitative Data Analysis Software (CAQDAS). These packages are important tools to support researchers in universities, research institutions and companies, but their use is criticized and not so widespread. Traditionally, while cataloguing, analysing and writing results, a manual method has been used: underlining, markers, scissors, involving every kind of problem which is related to working on large amounts of paper. Later, the spreading of personal computers and the first text editors eased some of these processes. CADQAS is a more powerful tool, compared to a traditional text editor: it is possible to work on a «project» which digitally contains all data. Into this project it is possibile to catalogue all the research's material, to easily assign labels in text parts which are considered relevant, to link other parts of text, etc. It is important to remark that many researchers argue that using computer to interpretate data implies more transparency and traceability, avoiding the risk of bias in the explanation construction or testing a theory. From these starting points, my research deals with a general overview from literature, about CAQDAS, trying to understand its role, explaining the phases of its development, and analysing its strengths and weaknesses. Then I analyse the practical possibilities of the three most widespread software available at the moment, ATLAS.ti, MAXqda and NVivo, including a short review of the software programmes that are still up to date. This is important to understand the reasons for choosing a particular software or another one, and even if choosing not to use any of them. Subsequently I investigate the ways in which computer assisted research is carried out by researchers and professors of the University of Trento and others Italian universities. I interviewed several researchers and I also taught how to use a software (ATLAS.ti) to a group of students to investigate their opinion. This is relevant to understand the problems encountered, to record the demands and to observe the ways in which software is experienced. Secondly is also important to consider qualitative researchers who don't utilise software for their researches, and why. Finally I deal with the potential development of CAQDAS, such as open source and web-based packages. A particular remark will involve the QDA-UniTN Project (open source, multiplatform, in real-time collaborative and web-based). in which I collaborated to write the feasibility study. It involves a team of Sociology and Computer Science students. The project is supposed to care more about the researchers' demands, considering at first the user-friendly issue. It is also supposed to be collaborative, helping in this way the transparency of the research process.
  5. 5. 5 Sommario Introduzione...................................................................................................... 7 1. Il ruolo del software nella ricerca qualitativa........................................... 11 1.1 L’analisi qualitativa computer-assisted.........................................................11 1.2 Storia................................................................................................................15 1.3 Diffusione ........................................................................................................18 Diffusione internazionale.....................................................................................18 Meccanismi di diffusione tra utenti ......................................................................20 1.4 Possibilità offerte dai CAQDAS......................................................................25 Vicinanza e prossimità ai dati..............................................................................26 Applicazione di codici a segmenti di dati .............................................................27 Realizzazione di uno schema di codifica.............................................................31 Esplorazione e visualizzazione dei dati semplice ................................................35 Organizzazione della scrittura .............................................................................36 Mappare idee e collegare concetti.......................................................................40 Organizzazione dei dati su caratteristiche note ...................................................42 Interrogazione dei dati (esplorazione complessa)................................................44 1.5 Criticità dei CAQDAS......................................................................................48 Il problema tecnologico .......................................................................................48 Il rapporto tra ricercatore e software....................................................................52 Utilizzo di software non specifici..........................................................................60 Ortodossia nel metodo ........................................................................................62 1.6 Campi d’applicazione .....................................................................................66 1.7 Il mutamento delle tecniche di analisi qualitativa.........................................80 1.8 Osservazioni finali ..........................................................................................83 2. L’utilizzo del software per la ricerca qualitativa ...................................... 85 2.1 Accorgimenti per l’utilizzo dei CAQDAS .......................................................85 Formato dei dati..................................................................................................86 Operazioni pratiche preliminari............................................................................88 2.2 Una panoramica dei tre principali pacchetti .................................................90 Vicinanza e prossimità ai dati..............................................................................92 Applicazione di codici a segmenti di dati .............................................................96 Realizzazione di uno schema di codifica.............................................................98
  6. 6. 6 Esplorazione e visualizzazione dei dati semplice ................................................99 Organizzazione della scrittura ...........................................................................100 Mappare idee e collegare concetti.....................................................................101 Organizzazione dei dati su caratteristiche note .................................................103 Interrogazione dei dati (esplorazione complessa)..............................................107 2.3 Altri software disponibili ..............................................................................110 2.4 Osservazioni finali ........................................................................................111 3. L’apprendimento e l’esperienza con i CAQDAS .................................... 113 3.1 L’insegnamento agli studenti del corso di Metodi qualitativi ....................113 La preparazione ................................................................................................113 L’insegnamento e la consulenza .......................................................................115 La ricezione degli studenti.................................................................................117 3.2 L’esperienza dei ricercatori..........................................................................120 Approccio al software........................................................................................121 L’atteggiamento nei confronti del software ........................................................126 Apprendimento e campi d’applicazione.............................................................138 Condivisione e trasparenza...............................................................................142 Le funzionalità dei software...............................................................................148 3.3 Osservazioni finali ........................................................................................154 4. Potenziali sviluppi .................................................................................... 155 4.1 Mutamenti nei software più diffusi...............................................................155 4.2 Alcune recenti proposte ...............................................................................156 4.3 Il progetto QDA-UniTN..................................................................................158 Open source .....................................................................................................160 Web-based, e quindi multipiattaforma ...............................................................161 Condivisione e collaborazione...........................................................................161 Riservatezza dei dati.........................................................................................162 Feature da tenere in considerazione .................................................................163 4.4 Osservazioni finali ........................................................................................166 Conclusioni................................................................................................... 168 Riferimenti bibliografici ............................................................................... 172
  7. 7. 7 Introduzione L'oggetto di questo elaborato sono i software per l'analisi dei dati qualitativi assistita da computer (anche chiamati CAQDAS, ovvero Computer Assisted Qualitative Data Analysis Software). Si tratta di programmi finalizzati ad assistere i ricercatori nelle analisi di tipo qualitativo di dati qualitativi. Nelle scienze sociali sono presenti due tradizioni metodologiche di ricerca: la ricerca quantitativa e quella qualitativa. Per quanto riguarda la prima, sono ben noti e accettati i pacchetti software in grado di fornire supporto ai ricercatori. Si tratta di programmi commerciali come SPSS o Stata, o del progetto open source R. Questi software sono uno strumento di importante rilievo in università, istituti di ricerca e aziende. Anche i ricercatori che intendono avvalersi della metodologia qualitativa hanno a disposizione numerosi pacchetti software. Il loro utilizzo tuttavia è stato, ed in parte lo è tuttora, oggetto di resistenze e critiche, a causa di alcune importanti differenze tra i due tipi di ricerca. Le differenze principali sono insite nelle radici epistemologiche dei due approcci, che sono anche ben delineate dal tipo di dati a cui si fa riferimento. Nella ricerca quantitativa si ha a che fare con dataset ottenuti mediante somministrazione di survey o panel a un campione rappresentativo per il caso studiato. Questi dataset contengono variabili che sono prevalentemente in formato numerico, sotto forma di categorie o scale di misurazione. Nella ricerca qualitativa le tecniche di ricerca impiegate possono essere l’osservazione partecipante, interviste in profondità o focus group, mentre l'analisi può essere svolta ispirandosi alla grounded theory, alla frame analysis, all'analisi della conversazione o narrativa, eccetera. I dati sono principalmente in forma discorsiva e testuale (ma anche audiovisiva), e possono essere costituiti da interviste (solitamente trascritte), note di campo, diario della ricerca, tracce audio e video e fotografie. Per questa ragione nella ricerca qualitativa è fondamentale uno stretto rapporto tra il ricercatore e i dati oggetto di studio (in molti casi sono gli stessi ricercatori
  8. 8. 8 che li hanno ottenuti ad analizzarli). Ancora più importante è la loro interpretazione, che per sua natura riflette il punto di vista del ricercatore e il modo in cui è stata effettuata la ricerca (osservazione esterna o partecipante, covert o overt). Tradizionalmente, nella fase di catalogazione, analisi e scrittura dei risultati, si usava un metodo manuale: sottolineature, evidenziazioni e note a margine, con tutte le difficoltà che si ponevano al ricercatore lavorando su grandi quantità di carta. La diffusione del personal computer e i primi elaboratori di testo hanno reso successivamente più semplici alcuni di questi processi. I CAQDAS sono uno strumento più potente rispetto ad un tradizionale editor di testo in quanto consentono di avere normalmente tutti i dati raccolti in un singolo contenitore elettronico, spesso definito «progetto»; all'interno di questo è possibile la catalogazione di tutto il materiale della ricerca, una comoda applicazione di etichette (codici) a parti del testo ritenute rilevanti (citazioni) e collegamenti di parti del testo tra loro (link ipertestuali), in aggiunta a una serie di funzionalità più avanzate. In particolar modo, molti studiosi ritengono che mediante l'utilizzo del computer l'interpretazione dei dati risulti più trasparente e tracciabile, scongiurando il rischio di bias nella costruzione di spiegazioni o nel testare una teoria. Veniamo dunque alle ipotesi di ricerca. Ritengo che molta della letteratura critica nei confronti dei software sia stata in gran parte superata grazie alla maggiore diffusione, anche tra i ricercatori qualitativi, del computer come strumento di ausilio per alcune fasi della ricerca. Questo dovrebbe aver portato ad una maggiore propensione all’utilizzo dei software specificamente realizzati per l’analisi qualitativa, portando ad una diminuzione dei pregiudizi nei loro confronti. Un’ulteriore ipotesi vede tali pregiudizi, quando ancora presenti, dovuti in larga parte all’assenza di consapevolezza da parte dei ricercatori del reale scopo e funzionamento di tali strumenti, in parte dovuto anche a lacune in competenze informatiche. Tale situazione si riscontra in particolar modo per una concezione negativa del computer, il quale limiterebbe l’ampia dose di creatività e produzione di conoscenza necessaria nella ricerca qualitativa.
  9. 9. 9 Intendo inoltre dimostrare che sebbene alcuni approcci non traggano particolare beneficio dai CAQDAS, tali software non limitano il loro apporto per un solo approccio (la grounded theory), come sostenuto da molti studiosi. La loro utilità è data dalla creatività e confidenza che viene dimostrata dai ricercatori nell’essere in grado di trarne vantaggio per le loro ricerche e nell’averne visto un utile strumento da adattare alle proprie esigenze. Resta successivamente da rilevare se le lacune in termini di competenze informatiche di alcuni ricercatori qualitativi siano davvero sufficienti a spiegare la ritrosia nell’utilizzo dei software, oppure se effettivamente essi non risultino realizzati a misura di quelli che dovrebbero essere gli utenti di riferimento. Ritengo che l’interfaccia e alcune procedure siano inutilmente complesse, portando a sottoutilizzare i programmi nel comprensibile timore che l’apprendimento di tali procedure porti a porre in secondo piano i reali obiettivi della ricerca. Infine, mi domando se i CAQDAS possano, come sostengono alcuni loro sostenitori e promotori, aumentare la trasparenza e la tracciabilità nella ricerca qualitativa, con particolare attenzione alla possibilità di condividere il proprio lavoro di analisi con altri ricercatori. La questione è se tale opportunità sia o meno compatibile con gli assunti della ricerca qualitativa e se potrebbe portare a problemi riguardanti la particolare riservatezza da tenere nei confronti dei dati qualitativi. Partendo da queste premesse, la mia ricerca presenta nella prima parte una panoramica generale dei CAQDAS, cercando di coglierne il ruolo, delineandone le fasi di sviluppo (ovvero la storia) e analizzandone i punti di forza e criticità. Si tratta di un capitolo incentrato maggiormente sulla letteratura presente sull'argomento, dagli albori ai più recenti contributi disponibili. La mia intenzione è quella di mostrare i numerosi vantaggi che possono portare i CAQDAS in diverse fasi della ricerca qualitativa, ma allo stesso mondo anche fornire le motivazioni che potrebbero portare a non utilizzare questi strumenti. Sono inoltre presenti diversi riferimenti ai campi d’applicazione dei software e il ruolo che possono avere nel far mutare favorevolmente il riconoscimento della ricerca qualitativa.
  10. 10. 10 Successivamente, nel secondo capitolo, sono intenzionato ad analizzare le possibilità di analisi computer-assisted disponibili dal punto di vista pratico, concentrandomi in particolare sui tre pacchetti software più diffusi (ATLAS.ti, NVivo, MAXqda), mostrando l’effettivo funzionamento delle loro principali funzioni, anche paragonandole tra i tre programmi. Cercherò di evidenziarne i punti in comune e le differenze, tentando di comprendere quali potrebbero essere i fattori determinanti nella scelta di un programma in particolare. Conclude il capitolo una veloce rassegna delle altre soluzioni software disponibili (tralasciando quelle non più sviluppate). Il capitolo successivo è dedicato all’esperienza di insegnamento e alla ricerca da me compiute. In primo luogo esporrò le mie riflessioni riguardanti l’esperienza d’insegnamento del software ATLAS.ti agli studenti del primo anno della laurea magistrale in Sociologia e Ricerca Sociale. Saranno presenti inoltre le loro considerazioni sull’analisi dei dati qualitativi assistita dal computer, rilevate dalle lezioni, mediante un questionario semi-strutturato e da incontri di consulenza riguardo l’uso (in particolar modo le problematiche riscontrate) del software. In secondo luogo esaminerò le osservazioni, i dubbi e le esigenze dei ricercatori dell’Università degli Studi di Trento di alcuni atenei italiani al fine di rilevare la diffusione e le loro opinioni sulla ricerca qualitativa computer-assisted in base alla loro esperienza. L'ultimo capitolo è incentrato sui potenziali sviluppi dei CAQDAS, con un occhio di riguardo al progetto denominato temporaneamente QDA-UniTN (open source, multipiattaforma, collaborativo in tempo reale e web-based), al quale ho collaborato nella fase della stesura dello studio di fattibilità. Il progetto prosegue, portato avanti da un'équipe di studenti di scienze sociali e di studenti del corso di informatica della facoltà di Scienze. Le caratteristiche del progetto permettono di tenere maggiormente conto delle esigenze dei ricercatori, volendo privilegiare l’usabilità ed offrendo una maggiore trasparenza nel processo di ricerca grazie alla sua declinazione collaborativa.
  11. 11. 11 1. Il ruolo del software nella ricerca qualitativa In questo primo capitolo inquadreremo i software per l’analisi qualitativa computer-assisted, esaminando la letteratura sull’argomento. Saranno presenti brevi cenni riguardanti la storia e la diffusione di questi programmi tra i ricercatori. In seguito saranno analizzate in dettaglio le possibilità che questi pacchetti consentono, per poi spostarsi sulle critiche che sono tradizionalmente volte ad essi. Infine vedremo i molteplici campi d’applicazione in cui è possibile avvalersi del supporto del software, e dei mutamenti che tale utilizzo può portare alle tecniche di analisi qualitativa. 1.1 L’analisi qualitativa computer-assisted Trattando di analisi qualitativa, una parte dei sui sviluppi recenti è quella che è stato fatto in campo software per questo tipo di analisi. Cerchiamo perciò di capire prima di tutto come inquadrare questi software. I CAQDAS (Computer Assisted Qualitative Data Analysis Software1 ) hanno lo scopo di assistere il ricercatore in diverse fasi dell’analisi qualitativa. Essi sono in grado di rendere più agevole, trasparente e tracciabile l’analisi, andando oltre quello che può essere il semplice supporto di un elaboratore di testi2 (word processor). Una prima questione è che cosa caratterizza questi software. Che tipo di pacchetti fanno riferimento all’acronimo CAQDAS? In prima analisi possiamo dire che si tratta di software che permettono un approccio qualitativo a dati qualitativi. Non si tratta perciò di strumenti per effettuare la content analysis, 1 Nell’acronimo CAQDAS talvolta il termine «assisted» viene reso dal termine «aided», non modificandone tuttavia il significato. In altri casi nella letteratura si può trovare riferimento all’attività di analisi computer-assisted, portando all’omissione del termine «software». Infine, è possibile trovare riferimenti al software per l’analisi qualitativa con l’acronimo abbreviato “QDAS” (si veda di Gregorio & Davidson, 2008). 2 Si veda anche la definizione "CAQDAS (Computer-Assisted Qualitative Data Analysis Software)." Encyclopedia of Social Science Research Methods..
  12. 12. 12 ovvero uno studio statistico sulle frequenze di parole e frasi, o occorrenze di parole e frasi con altre. Sebbene anche alcuni CAQDAS lo permettano in vario modo, non è il loro scopo principale3 (Lewins & Silver, 2007; 6-7). Non si tratta nemmeno di strumenti finalizzati all’analisi dei testi in chiave di «grammatica semantica» (Franzosi, 2006), in quanto anch’essi hanno come obiettivo un’analisi numerica sui dati testuali codificati in un sistema relazionale. Paragoniamo per esempio i software statistici e quelli per l’analisi qualitativa assistita dal computer, allo scopo di meglio focalizzare lo scopo di questi programmi. In entrambi i casi il ricercatore deve essere sempre al centro, è lui infatti che interpreta i dati da analizzare. Perciò, tanto quanto SPSS non effettua la regressione da solo (anche perché c'è comunque bisogno di sapere quello che si sta facendo), i CAQDAS non sono pensati per, né possono fare l’analisi al posto del ricercatore. Il software è uno strumento, anzi un insieme di strumenti (toolbox). Bisogna essere in grado di saperli usare, in quanto non tutto serve, e magari si preferisce fare a mano alcune operazioni. Ma bisogna conoscere quali sono e cosa sono in grado di fare. Per fare un primo esempio, si può pensare alla funzionalità del conteggio delle parole nei dati appena menzionata: molti programmi effettuano questa operazione, ma sarà il ricercatore a determinare se gli sarà davvero utile; potrebbe rivelarsi infatti molto utile per i linguisti, interessati alla ricorrenza delle parole in diversi periodi o in differenti aree geografiche (per valutare l’evoluzione o la scomparsa di un insieme di termini), mentre lo stesso strumento assumerà un valore e un significato diverso in un’etnografia. Chiarito che per dati qualitativi si intendono dati testuali (in maniera prevalente), e il tipo di ricerca è basato su di essi ed è intenzionato a descrivere o interpretare criticamente i dati (Tesch, 1990; 3), si solleva un problema. Se ogni ricercatore costruisce un metodo personale per analizzare i dati, è difficile descrivere la metodologia a livello generale. Un accordo possibile potrebbe essere quello che vede l’analisi come l’attribuzione di significato a dati narrativi, 3 QDA Miner, presenta un maggiore supporto statistico; MAXqda un conteggio parole interattivo; NVivo e ATLAS.ti, presentano approssimazioni a tale tipo di analisi, con un conteggio parole non interattivo o interattivo solo parzialmente. Per dei riferimenti sui software per l’analisi numerica dei testi si veda Giuliano e La Rocca (2008).
  13. 13. 13 mantenendo però un certo numero di correnti e, soprattutto, all’approccio individuale del ricercatore. Che ruolo ha allora il computer? Non si tratta della quintessenza della precisione e dell’ordine? L’analisi qualitativa non è troppo personale e flessibile? Non c’è il rischio che standardizzi i processi? (ibid; 6) Nel capitolo vedremo che questi sono in gran parte falsi problemi. Per intanto basti dire che i computer non analizzano i dati, sono le persone a farlo. Ma come nel caso delle pistole (ci si riferisce al detto “non sono le pistole a uccidere le persone, sono le persone a farlo”), è vero per metà. Le pistole rendono molto facile uccidere le persone, e i computer rendono più facile alle persone pensare al significato dei loro dati. Non sono un sostituto alla riflessione umana, ma sono un forte aiuto per essa (Weitzman & Miles, 1995; 3). Come ben sintetizzato da Wolcott (1990; 35) “The critical task in qualitative research is not to accumulate all the data you can, but to ‘can’ (i.e. get rid of) most of the data you accumulate”. Per questo sono stati sviluppati i CAQDAS. Un primo accenno al problema della metodologia è doveroso farlo sin da ora. Gobo (2005) rileva che il primo tentativo di definire la metodologia qualitativa risale agli anni ’60, sebbene conti più di un secolo di storia. Questa lacuna è stata causata dal fatto che la formalizzazione di una metodologia veniva vista come un elemento troppo vicino alle survey, ovvero ai metodi quantitativi (si può dire che in un certo senso la ricerca qualitativa nasce e si rafforza in opposizione a quella quantitativa). Lo stesso è avvenuto per i manuali, sempre visti come non opportuni per la ricerca qualitativa. Gobo osserva però che negli ultimi decenni il catalogo Sage vede una forte crescita di manualistica: tra il 1980 e il 1987 erano presenti solo 10 manuali, tra il 1988 e il 1994 quelli disponibili erano 33, mentre tra il 1995 e il 2002 erano più di 125. Il trend, anche se non in continua crescita, è di sicuro stabile per quanto riguarda questi ultimi anni. L’autore vede cinque prospettive per la ricerca qualitativa: una maggiore formalizzazione del metodo, uno sviluppo nell’analisi dei dati, il (tanto ostacolato e oggetto di questo elaborato) matrimonio tra computer e ricerca qualitativa, la necessità di effettuare ricerca qualitativa in una società multiculturale e le implicazioni per la ricerca applicata. Per quanto riguarda il difficile matrimonio tra il computer e la ricerca qualitativa, anche Gobo osserva che mentre la
  14. 14. 14 content analysis ha lasciato a desiderare anche per i ricercatori quantitativi, i CAQDAS possono essere in grado di fare qualcosa per i ricercatori qualitativi. La letteratura sui CAQDAS è prevalentemente proveniente dagli sviluppatori, dagli utenti o è basata sull’esperienza degli utenti (Flick, 2006). I CAQDAS sono inoltre presenti in numerosi manuali di ricerca qualitativa. Almeno un capitolo è a loro dedicato, mostrando come possano essere parte integrante del processo di ricerca4 . In certi casi però tendono a dire ben poco, specie per quanto riguarda la scelta del software più opportuno, e sono magari troppo orientati a quello usato, o più conosciuto da chi ha scritto il manuale. Non reputo opportuno presentare la tipologia di Weitzman e Miles5 (1995) allo scopo di introdurre l’argomento. È una scelta applicata in diversi manuali (quelli di Creswell (2003) e di Lewins e Silver (2007), per citarne alcuni). La suddivisione dei software sulla base delle loro funzioni, a tale livello di generalità, è ormai datata e priva di reale utilità, anche se intenzionata ad avere solamente finalità esplicative. Vedremo che la commercializzazione dei software ha portato i programmi ad essere di più ampia portata rispetto a quelli presenti al tempo in cui quella tipologia è stata concepita. Sia le limitazioni oggi presenti sono inferiori, sia gli utenti desiderano che ve ne siano meno. Prima di iniziare ad addentrarci nella questione, un’ulteriore precisazione: ha senso parlare di «stato dell’arte» dei CAQDAS? I manuali, i testi, come anche questo elaborato, non possono che essere anacronistici, in quanto la tecnologia muta rapidamente, e si sono rese disponibili nuove risposte a vecchi problemi, mentre se ne pongono di nuovi (Fisher, 1997; 123). Si pensi all’ottimo testo di Lewins e Silver (2007) a cui faremo spesso riferimento: molte delle osservazioni specifiche che sono presenti nel testo erano già sorpassate dall’uscita delle nuove versioni di due software da loro analizzati (MAXqda e NVivo, meno per 4 Tra i più recenti manuali che dedicano almeno una sezione ai CAQDAS vi sono Flick (2006), Silverman (2005), Denzin & Lincoln (2003), Creswell (2003), Lindlof & Taylor (2002), Gibbs (2007). I CAQDAS compaiono per la prima volta in maniera estesa in un manuale metodologico in Miles & Huberman (1994). 5 Si tratta di una tipologia di programmi composta da software per: recupero testo, gestione del testo, codifica e recupero, costruttori di teoria basata sui codici, costruttori di mappe concettuali (Weitzman & Miles, 1995; 6). Le stesse Lewins e Silver (2009) riconoscono quanto si tratti di una tipologia ormai obsoleta.
  15. 15. 15 quanto riguarda ATLAS.ti). Questo però avviene a quel genere di recensioni sullo stato dell’arte intenzionate a concentrarsi sulle ultime versioni dei programmi. Sarà la stessa procedura che applicherò, anche se non a livello manualistico, nel secondo capitolo. È tuttavia bene chiarire che in questo capitolo la mia principale intenzione è quella di delineare le principali possibilità di utilizzo dei software, puntando agli effetti, sia positivi che negativi, provocati dalla sua integrazione con la ricerca. 1.2 Storia Qualche cenno riguardante la storia dei CAQDAS può essere utile ai fini dell’elaborato. L’acronomo «CAQDAS» è stato coniato da Nigel Fielding e Raymond Lee, nella prima Surrey Research Methods Conference nel 1989, la quale raccolse un cospicuo numero di pioneri nel campo. Nel 1994, la creazione del «CAQDAS Networking Project» (finanziato dai fondi dell’Economic Social Research Council britannico), ha fissato l’acronimo (Lewins & Silver, 2007). Torneremo più avanti sulle funzioni di questo importante progetto. Le fasi di sviluppo differenziate tra i programmi per l’analisi statistica e i CAQDAS, tratto da Fielding e Lee (1998; 12)
  16. 16. 16 Tradizionalmente i ricercatori qualitativi conducevano le loro analisi «a mano», scrivendo le trascrizioni e le note di campo, fotocopiandole, codificandole tramite pennarelli ed evidenziatori, ritagliando e incollando i segmenti di testo selezionati in schede, e mischiandole e ordinandole per l’analisi. A partire dalla metà degli anni ’80 la situazione ha iniziato a cambiare, con la possibilità di avvalersi di, seppur rudimentali, editor di testo sui primi personal computer. Successivamente hanno iniziato a comparire programmi specificamente pensati per l’analisi qualitativa assistita da computer, di cui i più rilevanti sono The Ethnograph e Nud*ist. Si trattava di software ostici quanto gli altri disponibili a quel tempo, dove la codifica del testo poteva avvenire solo tramite tastiera, indicando i numeri di riga d’interesse. Rispetto alla tecnica tradizionale, pochi vi avevano visto un reale miglioramento (Weitzman, 2003; 311). La schermata di una delle prime versioni di The Ethnograph, tratta da Weitzman e Miles (1995; 199) L’offerta si è fatta più vasta negli anni a seguire, tant’è che Weitzman e Miles (1995) a metà degli anni ’90 recensiscono ben 24 programmi, di cui metà era stata sviluppata precipuamente per l’analisi qualitativa (quelli della restante metà offrivano un supporto generico per la gestione e l’organizzazione dei testi). La situazione si è sviluppata ulteriormente, portando alla commercializzazione del settore, che ha condotto ad un continuo
  17. 17. 17 aggiornamento ed estensione dei pacchetti esistenti e alla scomparsa di quelli meno utilizzati. I software hanno iniziato anche a divenire simili tra di loro, in quanto alla comparsa di una nuova funzione in un programma segue rapidamente l’omologazione da parte dei concorrenti. Vedremo che il dibattito riguardante gli effetti di questi software ha accompagnato il loro sviluppo sin dall’inizio. Per intanto basti rilevare come questo abbia provocato uno sviluppo tardivo e controverso di questi pacchetti, a differenza della rapidità ed entusiasmo con cui si sono sviluppati i pacchetti statistici. Non solo, Seale (2005; 188-189) fa notare che da metà degli anni ’60 hanno iniziato a comparire anche i primi strumenti per la content analysis. Prima della comparsa dei CAQDAS, vent’anni dopo, non era possibile proporre una soluzione simile a quella per le analisi statistiche, ovvero la realizzazione in automatico di operazioni matematiche (che possono essere eseguite anche di notte con elaboratori lenti, visto che non richiedono intervento umano). Inoltre bisogna ribadire che se la ricerca qualitativa nasce in opposizione alla quantitativa, di conseguenza si è trascinato per anni un ripudio della tecnologia, vista come «cosa da statistici», disumanizzante, un ambiente iper-controllato e che porta ad un’ossessione per questioni tecniche piuttosto che per le vere questioni in analisi. Questo conduce Seale (ibid.; 189) a concludere che “The computer symbolized these things, and many qualitative researchers remain distanced from this technology because of feelings that it may impose an alien logic on their analytic procedures.”, rendendo per lungo tempo difficile avere una visione equilibrata sui CAQDAS. Non si è trattato comunque della prima comparsa della tecnologia nell’analisi qualitativa. Gibbs, Friese e Mangabeira (2002), nell’introduzione ad un importante numero di «Forum: Qualitative Social Research» per il campo dei CAQDAS, rilevano che il primo avvento della tecnologia nella ricerca qualitativa è stato il registratore audio, il quale ora è pienamente accettato, se non indispensabile ai fini della ricerca. Il registratore in un’intervista aiuta, e non comporta delegare l’intervista alla tecnologia, in quanto si ha infatti modo di prendere più appunti durante l’intervista.
  18. 18. 18 La tecnologia ha due possibili impatti: da una parte permette nuovi modi per registrare e raccogliere i dati, dall’altra offre nuovi modi per condurre l’analisi. La maggior parte dei ricercatori riconosce che nella maggioranza dei casi l’utilizzo delle nuove tecnologie ha ripercussioni per entrambi. Ora i software offrono nuove possibilità, trattando immagini, documenti audio e video, e consentono agevolmente l’analisi del materiale che proviene da Internet. Bisogna perciò constatare che ormai i ricercatori qualitativi hanno a che fare prevalentemente con dati in formato digitale. Nonostante questo, i CAQDAS non sono ancora pienamente riconosciuti, e gli autori dell’articolo considerano non sia sufficiente inserire un capitolo a parte nei manuali (i software non vengono considerati veramente parte integrante dell’analisi). Concludono sostenendo, e come vedremo nel capitolo non solo i soli, che una maggiore facilità nell’importare ed esportare i dati, una maggiore offerta di insegnamento e una maggiore comprensione dei vantaggi da parte dei committenti potrebbero portare a una maggiore istituzionalizzazione dei CAQDAS nella ricerca qualitativa. 1.3 Diffusione Diffusione internazionale Un altro numero di « Forum: Qualitative Social Research» (del 2005 in questo caso), e alcuni altri paper, sono in grado di offrirci una panoramica sulla diffusione internazionale (con un occhio di riguardo all’Europa) dei CAQDAS. Si tratta di articoli riguardanti lo stato della ricerca qualitativa, e ritengo rilevante la presenza o meno di almeno un paragrafo esplicitamente riguardante i software per la ricerca computer-assisted. Si riscontra un generale trend di espansione dei software per l’analisi computer- assisted nella ricerca qualitativa. Trend rilevato da Flick (2005), che sebbene evidenzi delle differenze tra la Germania e i Paesi anglosassoni per quanto riguarda le tradizioni di ricerca, non riscontra diversità nell’utilizzo. Henwood e
  19. 19. 19 Lang (2005) si interessano al Regno Unito, dove riscontrano interesse (anche motivato dalla presenza del CAQDAS Networking Project), ma osservano anche la presenza di limiti tecnologici in alcune università, i quali limitano la diffusione dei CAQDAS. Spostandoci su Paesi non anglofoni (ma considerando solo la letteratura in lingua inglese), vediamo una certa diffusione anche in Francia, dove Dargentas (2006) rileva un interesse per quanto concerne le analisi secondarie (di cui parleremo più ampiamente nel paragrafo dedicato ai campi d’applicazione); sempre in Francia, Angermüller (2005) parla della diffusione di un programma maggiormente automatizzato nell’analisi (Prospéro), contrastante l’approccio della grounded theory (a cui fanno storicamente riferimento molti dei CAQDAS). Da rilevare il fatto che in entrambi gli articoli gli autori facciano riferimento a dei software appositamente sviluppati per i Paesi francofoni. In Spagna, Valles e Baer (2005) ci mostrano la diffusione nel Paese, con alcuni esempi, in diverse istituzioni. Lo stesso avviene con il Cile, come mostrato da Osorio (2006), dove i CAQDAS vengono utilizzati in università, organizzazioni non governative e aziende, sebbene vi sia (ma come avviene dappertutto) chi è riluttante ad utilizzarli. Un altro problema sollevato dall’autore è la difficoltà che ha incontrato (lo stesso vale per altri suoi colleghi) nello svolgere l’insegnamento dei software, che in prevalenza offrono interfaccia e documentazione solo in inglese. Per quanto concerne l’Africa, Kikooma (2006) rileva che sarebbe senza dubbio vantaggiosa una maggiore diffusione nel continente, ma per il momento i CAQDAS restano confinati in alcuni Paesi (Sudafrica, Uganda, e alcuni del Nord Africa), Infine, tornando in Europa, Adam e Podmenik (2005) confermano l’importanza della ricerca computer-assisted per il futuro della ricerca qualitativa al fine di migliorarne il riconoscimento accademico, ed evidenziano come si stia diffondendo anche in Slovenia, grazie alla diffusione di testi (scritti da ricercatori nazionali o tradotti) concernenti il campo. La situazione della ricerca qualitativa in Italia (Bruni e Gobo, 2005) vede, in particolare a partire dal 2000 un maggior ricorso alla ricerca empirica e un’accresciuta istituzionalizzazione dell’approccio. Una delle strade che hanno portato a una maggiore attenzione e formalizzazione dei metodi e delle tecniche qualitativi è anche quel «matrimonio» tra ricerca e computer cui si faceva
  20. 20. 20 riferimento sopra. Assieme ad altri fattori può aiutare i ricercatori qualitativi italiani a combattere il senso di inferiorità provato nei confronti dei ricercatori anglosassoni, e a una maggiore attenzione al di fuori dei confini nazionali (e scalfendo il tradizionale provincialismo del secolo precedente). Meccanismi di diffusione tra utenti Esaminata la letteratura riguardante la diffusione dei CAQDAS a livello internazionale (si potrebbe dire a livello «macro»), ritengo utile porre l’accento sui meccanismi di diffusione tra gli utenti. Si tratta infatti di un elemento centrale per comprendere alcune delle problematiche che presentano i software per la ricerca computer-assisted. Abbiamo visto che i CAQDAS sono stati fino ad ora poco supportati dalle strutture informatiche universitarie (Fisher, 1997; 5). Un altro rilevo su cui è bene concentrarsi è lo scopo per cui vengono utilizzati i software. La questione è stata particolarmente affrontata da Fielding e Lee analizzando le istituzioni del Regno Unito (1998). Tenendo conto che la maggior parte dei software era stata sviluppata soprattutto tenendo conto della grounded theory, gli studiosi scoprono che due terzi degli utenti non usavano i CAQDAS per questo tipo di approccio. In molti casi il processo di acquisizione del software è mosso dalla riflessione dei ricercatori sintetizzabile nella frase “mi aiuterà a gestire i dati”, che a qualunque ricercatore sembra una grossa mole (Lee & Fielding, 1996; 31). Mangabeira, Lee e Fielding (2004) ampliano il discorso, anche se sempre confinato alle istituzioni e alle aziende del Regno Unito, mostrando come nel campo dei software per la ricerca computer-assisted da quando si trattava di semplici strumenti di codifica e recupero, si sono sviluppati tre trend: una maggiore sofisticazione, ovvero è possibile effettuare operazioni che senza l’ausilio del computer sarebbe altrimenti arduo compiere; la commercializzazione, ossia lo sviluppo di software commerciali, con il rischio della chiusura a particolari metodologie e procedure, oltre ai limiti posti nella
  21. 21. 21 condivisione tra i ricercatori (vista quindi sotto certi aspetti come un bene commerciabile); infine, gli autori osservano un aumento degli utenti, sia in diversità, che in ampiezza. Nel corso degli anni è cambiata la composizione degli utilizzatori, vedendo la nascita degli utilizzatori non accademici. Questo è stato anche grazie alla maggiore complessità e completezza raggiunta dai programmi. La domanda è perciò: come sono cambiate le pratiche degli utenti? (Fielding & Lee, 2002). Per quanto concerne l’ambito accademico, viene ripresa una ricerca di Mangabeira risalente alla metà degli anni ’90. Egli intraprese un’etnografia dalla durata di sei mesi in una rinomata università britannica, osservando che i software sono impiegati grazie a network di studenti e incontri informali tra gli accademici. Tra i motivi che spingono a subire i costi e non abbandonare il software vi è il fatto che “utilizing software is a way of performing community, using technology and its associated symbolism of rigor and robustness to add an additional layer of credibility to their work” (ibid.). Gli autori realizzano una sintesi dei fattori che influenzano l’utilizzo del software: (a) la generazione degli utenti in termini di età, competenze informatiche e l’esperienza come ricercatori qualitativi; (b) la loro precedente esperienza con metodi di ricerca non basati sul computer e/o un insieme di pacchetti CAQDAS. Più giovani saranno gli utenti, maggior saranno le loro competenze informatiche. Non sorprende inoltre che l’esperienza pregressa con i computer e i software che non sono CAQDAS aiuti a superare i problemi iniziali e a familiarizzare con i CAQDAS in un tempo minore. Tuttavia, nonostante gli alti livelli di competenze informatiche e la loro percezione dei CAQDAS come una tecnologia non minacciosa, questi utenti solitamente hanno lacune nei confronti dei punti di forza e di debolezza del software da loro usato. Gli autori definiscono questi utenti “fedeli al programma”, quelli che credono in quello che trovano scritto nella brochure dei software. Questi utenti fedeli possono essere contrastati da un gruppo di utenti più di lunga data, critici e familiari a un insieme di CAQDAS. Gli autori li definiscono “appropriatori critici”, i quali interagiscono con il programma all’interno di un quadro di riferimento e che sono fortemente coscienti dei problemi epistemologici e metodologici. Questo
  22. 22. 22 gruppo di utenti manifesta esplicitamente richieste per gli sviluppatori, riguardo alle capacità del programma. (Mangabeira et al., 2004; 170) Gli autori rilevano poi un terzo gruppo di utenti sono ricercatori più vecchi, esperti nell’analisi dei dati qualitativi, e che hanno acquisito competenze informatiche successivamente nella loro vita. Questo gruppo si può chiamare le “mani esperte”. Sono più esitanti dei giovani utenti nell’interazione con il software (e con l’hardware). La loro caratteristica è quella di essere molto critici e scettici. Appare dunque che più il quadro di riferimento a disposizione è ampio (che sia metodologico, di esperienza analitica, o di utilizzo dei CAQDAS), maggiore è l’opportunità che prenda spazio della flessibilità interpretativa (Mangabeira et al., 2004; 172). Gli autori distinguono successivamente un quarto gruppo, che tende a non avere un quadro interpretativo di riferimento a disposizione. Tale gruppo è costituito dagli utenti non accademici. I CAQDAS nascono nella comunità accademica, ma con il tempo si sono poi sempre più diffusi in altri ambiti, e ciò porta ad avere due nuove categorie di utenti, relativamente recenti: quelli impiegati nella ricerca applicata e quelli coinvolti in ricerche il cui focus primario non sono le scienze sociali. Nel Regno Unito si osserva una crescita della domanda di training. Gli autori citano il “CAQDAS Networking Project”, fondato nel 1994. Finanziato dal UK’s Economic and Social Research Council, fornisce corsi di training per i software, help line telefoniche per gli utilizzatori, un gruppo di discussione via mail, seminari avanzati per metodologi, sviluppatori e utenti. Nei training i partecipanti provengono da scuole mediche e dentistiche, enti di beneficienza, associazioni di volontariato, dipartimenti governativi sia britannici che esteri, un istituto per persone con problemi mentali e un’agenzia governativa per il controllo delle spese governative. La maggior parte dei partecipanti è ovviamente composta da studenti postgraduate (considerando come il progetto è finanziato), anche se un quarto del totale fa comunque riferimento al settore privato. (Mangabeira et al, 2004; 172-3) La crescita dell’utilizzo nel settore privato è legata al crescente interesse nell’analisi di focus group nel settore delle ricerche sociali e di mercato, dalla
  23. 23. 23 crescita degli studi che presentano più metodi, e anche le ricerche basate su materiale proveniente da Internet. Il problema degli utenti non accademici è che loro non problematizzano particolarmente la scelta del software. La scelta potrebbe essere una questione casuale, grazie al contatto di qualcuno nel loro network, una telefonata a un conoscente nell’università, un evento dedicato a un particolare programma, o la pubblicità di un corso comparsa dopo una ricerca su Internet. Il problema è che i metodi qualitativi vengono apprezzati a partire dalla natura del software usato. Possono quindi da un parte accrescere l’interesse nei confronti di questo approccio (per gli utenti al di fuori delle scienze sociali, come agenzie governative, organizzazioni mediche, e aziende). Quelli che si possono chiamare gli “adottatori strumentali”, i quali hanno uno scarso background in analisi qualitativa, saranno più soggetti ad accettare scomode e strane procedure, o addirittura portati a credere che si tratti di qualcosa di intrinseco nella ricerca qualitativa. Essi potrebbero essere più soggetti, similmente ai “fedeli al programma”, ad adottare un particolare approccio d’analisi senza essere completamente a conoscenza dell’ampio ventaglio di approcci effettivamente disponibili, in quanto un particolare pacchetto che loro hanno scelto di usare punta in una particolare direzione. Quindi è importante sia capire quali sono i nuovi modi in cui il software viene usato (al di fuori di ambienti accademici), sia aiutare gli utenti e il pubblico a evitare i problemi fin troppo familiari a quelli con un background di ricerca qualitativa (ibid.; 174-5). I non accademici sono prevalentemente caratterizzati da un interesse puramente strumentale, mancando gran parte di loro di basi sociologiche. Essi si possono suddividere in utilizzatori non accademici con basi metodologiche, ma che non pubblicano su riviste accademiche, e quelli che lavorano con i CAQDAS nella propria professione. Il fatto che sia presente una diversità tra gli accademici e i non accademici non è di per sé un pericolo: anche questi ultimi possono contribuire allo sviluppo dei software e a quello della ricerca qualitativa, come è già successo nelle scienze sociali. Il problema degli utilizzatori non accademici è che hanno difficoltà nella scelta del software. Inoltre, mentre i ricercatori accademici talvolta vedono in certe funzioni complesse qualcosa di lontano dall’approccio che intendono applicare per
  24. 24. 24 analizzare i dati, i non accademici mancano di riferimento. Ciò porta anche all’applicazione di un approccio senza realmente e criticamente tenere conto delle alternative. Ciò detto, è bene ribadire che i CAQDAS per i non accademici possono migliorare, grazie al loro contributo con pensieri originali e diversi, stimolando applicazioni innovative nel campo: “Nonacademic users are especially likely sources of innovation, being more likely to address problems that academic users take as given and, through the professions in which they are placed, having the opportunity to make fresh applications of CAQDAS to issues that anthropologists and sociologists have not examined”. Inoltre anche loro stessi possono trarne vantaggio, ma è importante comprendere quali sono i loro problemi. La commercializzazione ha portato ad un maggiore utilizzo dei software; sono presenti anche un maggior numero di corsi e workshop, ma non sono né costanti, né diffusi. Per questo è importante osservare come effettivamente vengono usati i CAQDAS, non tanto come dovrebbero esserlo (Fielding & Lee, 2002). Le conclusioni degli autori mostrano la considerazione che quando i CAQDAS erano confinati in una piccola cerchia di entusiasti e adottatori iniziali, era piuttosto semplice applicare le richieste degli utenti e capire i processi sociali che facilitavano o inibivano l’adozione dei software. Dall’analisi degli autori è possibile dire che la crescente porzione di nuovi utenti dei CAQDAS sarà costituita di giovani scienziati sociali e utenti impegnati nella ricerca applicata. In questo caso, l’accentuazione del trend verso l’utilizzo strumentale, dell’approccio come mero strumento, aprirà nuove sfide, in particolare per due gruppi nella comunità dei CAQDAS. Il primo, costituito dagli sviluppatori, dovrebbe allontanarsi dalle sue origini di ricerca qualitativa, accentuando ancora di più la versatilità del programma. Ciò dovrebbe bilanciare la differenza tra il tenere il loro sostegno da e in concerto alla comunità qualitativa e il milieu accademico che fornisce la loro fonte di credibilità e legittimità, mentre espandono le attività commerciali che prendono forma lontano da questi luoghi. Il secondo gruppo, costituito dagli scienziati sociali esperti, potrebbe dover attendere impazientemente e osservare la riappropriazione da parte degli adottatori strumentali di una tecnologia inizialmente confinata ad una particolare disciplina accademica. Se questi utilizzatori strumentali apprendono l’utilizzo del
  25. 25. 25 software senza apprezzare il metodo qualitativo, c’è il rischio che le possibilità analitiche offerte dal loro software per loro costituiranno l’analisi qualitativa. Ovvero, il loro apprezzamento del metodo qualitativo diventa confinato e definito da il software adottato. Detto questo, la sfida per gli scienziati sociali entusiasti riguardo ai CAQDAS è quella di continuare ad educare gli utenti (tramite training, diffusione di informazioni e help line) riguardo la relazione tra le possibilità tecniche integrate in particolari software e le procedure analitiche basate in una varietà di approcci metodologici. Questo dovrebbe essere in grado di proteggere, per quanto in maniera indiretta, la pluralità di approcci qualitativi e stili analitici. 1.4 Possibilità offerte dai CAQDAS Tratteremo ora delle potenzialità offerte dai CAQDAS. Una precisazione terminologica: preferisco usare una terminologia generale per le funzioni (non legata a un particolare software). I termini specifici verranno utilizzati nel secondo capitolo, nelle sezioni dedicate a un pacchetto software in particolare. I CAQDAS permettono di racchiudere interamente in un unico spazio tutti i dati su cui si intende lavorare. Essenzialmente nel «progetto» è possibile inserire tutto ciò che è digitalizzato o digitalizzabile. L’utilizzo di un software ha senso solo se tutto il materiale è stato posto assieme, comprendendo tutti i formati di cui si intende avvalersi (testi, fotografie, tracce audio, filmati video). Vedremo che in molti casi non è il caso di tralasciare la praticità del formato cartaceo, in questo caso stampato. Una importante parte delle funzioni è proprio quella di stampare lo stato in cui è arrivato il progetto. Le principali possibilità offerte dai CAQDAS sono a nostro avviso sintetizzabili in otto operazioni: (1) la vicinanza e prossimità ai dati, (2) l’applicazione di codici a segmenti di dati, (3) la realizzazione di uno schema di codifica, (4) l’esplorazione e la visualizzazione dei dati semplice, (5) l’organizzazione della scrittura, (6) la possibilità di mappare idee e collegare concetti, (7) l’organizzazione dei dati e (8) la loro interrogazione (esplorazione complessa).
  26. 26. 26 In questo capitolo esamineremo a livello generale le possibilità offerte dai CAQDAS rispetto ai metodi tradizionali d’analisi. Per quanto riguarda le caratteristiche specifiche dei principali software si rimanda al secondo capitolo. Vicinanza e prossimità ai dati Prima di iniziare l’analisi computer-assisted occorre determinare cosa è digitalizzabile e cosa non lo è. Praticamente ogni tipo di dato è digitalizzabile, ma in caso fosse impraticabile è comunque possibile usare un riferimento per ciò che non è possibile digitalizzare (Lewins & Silver, 2007; 16-19). Un grande vantaggio dei CAQDAS è quello di poter includere tutti i tipi di dati che si sono raccolti o che si stanno ancora raccogliendo, nella ricerca. Essi possono includere: informazioni di background (preliminari), ovvero appunti, osservazioni tratte da incontri con altri componenti del gruppo di ricerca, o anche semplici scambi di opinioni via e-mail tra ricercatori; dati primari, e quindi interviste, note di campo, ecc.; dati secondari, come articoli e statistiche; infine informazioni di supporto, come ad esempio la propria raccolta bibliografica, siti di interesse, e così via. Sta al ricercatore comprendere quali elementi della sua ricerca potrebbero essere utili all’analisi. Un esempio potrebbe essere l’eventualità di inserire nel progetto anche la griglia dell’intervista, per vedere se ci sono delle particolari lacune tra i punti che si volevano toccare. Una volta associato il proprio materiale al progetto, è possibile commentarlo ed annotare in modo che le proprie osservazioni siano collegate ai dati. Inoltre è possibile collegare tra loro parti rilevanti dei dati, come ad esempio resoconti che nella narrazione non sono espressi ordinatamente. Sarà successivamente possibile ricercare termini direttamente nel contesto in cui si trovano, anche tra le proprie annotazioni. L’apporto del ricercatore non viene mai a mancare, ma la facilità con cui riesce a ritrovare quello cercava può essere migliorata. Ciò significa che sarà maggiormente pronto e facilitato a farlo, e questo è un importante miglioramento nella ricerca qualitativa.
  27. 27. 27 Applicazione di codici a segmenti di dati Questa operazione e la prossima di cui tratteremo riguardano la codifica. Un particolare interesse motivato dal fatto che anche se l’analisi non si esaurisce nel processo di codifica, ritengo sia la caratteristica distintiva più rilevante dei CAQDAS (Lewins & Silver, 2007; 117-20). Il termine «codice», congiunto all’operazione di «codifica» potrebbero apparire termini prettamente informatici. In realtà, come ben sanno i ricercatori qualitativi che lo sono da prima dell’avvento dei software per l’analisi qualitativa, si tratta di un procedimento utilizzato anche su carta (Kelle, 1995; 4-8). Lewins e Silver (2007, 81), alla domanda riguardante cosa si debba intendere per «codifica qualitativa», rispondono sostenendo che si tratta del processo in cui dei segmenti di dati sono identificati come legati a (o come un esempio di) un’idea più generale, un esempio, un argomento, una categoria. Quello che si ottiene è una serie di segmenti di dati, o tutto l’insieme di dati, sistemato assieme, al fine di essere ritrovati raggruppati in un secondo momento6 . Per capire come generare i codici e come essi possono assistere l’analisi, bisogna pensare che essi servono per facilitare, permettendo di contrassegnare il significato sottointeso dei rispondenti a particolari situazioni sociali, esperienze, e a identificare modelli (patterns) in atteggiamenti, investigare processi d’interazione. È possibile creare sia veri e propri codici, sia semplici «cose interessanti» che comunque aiuteranno, in quanto portano a riflettere sul fenomeno che intendiamo studiare. L’applicazione di codici è influenzata quelli che sono i fini della ricerca del ricercatore, la sua metodologia e l’approccio che è intenzionato ad utilizzare, dalla quantità e i tipi di dati che si sono raccolti (o che si stanno ancora raccogliendo), dal livello e dalla profondità d’analisi, la disponibilità di tempo e di 6 Lewins e Silver (2007; 82) sintetizzano i termini usati nella letteratura per riferirsi alla codifica: (a) aperta, assiale (axial) e selettiva (Strauss & Corbin, 1998); (b) descrittiva, per soggetto e analitica (Richards, 2005); (c) sperimentale, con codici centrali e satelliti (Layder, 1998); (d) letterale, interpretativa e indicizzazione riflessiva (Mason, 2002); (e) descrittiva, interpretativa e schematica (Miles & Huberman, 1994); (f) oggettiva ed euristica (Seidel, 1998).
  28. 28. 28 risorse, se il ricercatore lavora individualmente o come membro di un team, e da quello che sarà l’audience ricerca. Sono basati su temi o argomenti, idee o concetti, linguaggio o terminologia. Possono essere più descrittivi o più analitici, dipende dalla fase dell’analisi in cui ci si trova, e ovviamente dall’approccio utilizzato. Anche se in termini differenti in base all’approccio utilizzato, si può dire che non sono già concetti, ma una via di mezzo tra dati e i concetti. Si tratta di un processo analitico importante, in quanto porta al dover selezionare delle parti significative rilevanti, e la scelta di quei segmenti che davvero contano per l’analisi può risultare difficoltosa. L’applicazione di codici avviene definendo la quantità di testo da essere codificata (parola, frase, paragrafo, intero documento), la quale ovviamente sta al ricercatore. Egli assegnerà i codici rilevanti a una porzione o a delle porzioni sovrapposte, con la possibilità di vedere il risultato della sua codifica ai margini del testo. I codici possono essere applicati in tre modi: a priori, ovvero per ogni argomento/tematica chiave in cui si sarà interessati e che può essere genericamente indipendente dai dati in ogni fase. Possono essere vaghi e/o identificati dalla teoria/letteratura esistente; possono essere creati codici grounded nei dati, che possono essere sia descrittivi che interpretativi; si possono creare mentre si leggono i dati, e legare immediatamente con il preciso segmento che ha dato quell’idea, concetto o categoria; infine è possibile la creazione di codici in vivo, qualora si sia particolarmente interessati nel linguaggio usato nei dati, o se un termine è identificato come contenente un’idea o un argomento. È bene evitare di mantenere troppi codici che presentano come denominazione esattamente il contenuto del testo. È più qualcosa di temporaneo, poi vanno interpretati, al fine di produrre idee più analitiche sui dati. (Lewins e Silver, 2007, cap. 7). L’applicazione può seguire l’approccio induttivo, teso a generare teoria dai dati. Si tratta di un procedimento ciclico (ricorsivo). È utilizzato per evitare che concetti teorici esistenti evitino o nascondano la possibilità di svilupparne di nuovi. Un tipico esempio è la grounded theory, dove inizialmente la codifica è aperta (da stralci di testi, “apre” i dati, dandogli nuovi significati), poi assiale
  29. 29. 29 (axial, fase caratterizzata da raggruppamenti e confronti e nel mettere insieme i frammenti), infine selettiva (selezione di quanto realizzato nel seconda fase)7 . Seguendo l’approccio deduttivo invece, si intende testare una teoria esistente, o un’ipotesi sui dati appena raccolti. Viene maggiormente utilizzato in ambiti non accademici, in quanto ha fini più pratici. In questo caso le fasi sono costituite dall’applicazione di codici descrittivi, poi interpretativi e infine modello (pattern). Anche questo approccio è di carattere ricorsivo. La distinzione tra approccio induttivo e deduttivo è comunque soprattutto analitica. Non sono da vedere come complementari, come mutualmente esclusivi; come sostiene Gibbs, (2002) “you do not have to do either one or the other or even one and then the other”. Un esempio di questo approccio misto lo si può trovare in Layder (1998), il quale propone la “adaptive theory”, ovvero un approccio multi-strategy (sia dalla teoria che dai dati) d’analisi. Qualunque approccio si usi, i CAQDAS comunque aiutano nel processo ciclico e iterativo della ricerca. Offrono maggiore flessibilità (per esempio: analizzare i dati dalla teoria, ma rilevare anche aspetti sorprendenti e contraddittori). Comunque sia, l’obiettivo è quello di rivisitare i dati e ragionare su di essi. Per questo Seidel & Kelle (1995) definiscono i codici come “heuristic devices for discovery”. Non si tratta di catturare perfettamente un concetto, ma di focalizzarlo meglio, e anche potersi ricordare di tornare indietro e pensare ancora a un argomento e ai dati collegati. Quello che più conta con i CAQDAS è effettuare una coerente e significativa assegnazione di codici, avvalersi della funzionalità dei commenti e, se ricorre il caso, avvalersi della possibilità di modellizzare idee e relazioni tra codici. I caratteri di un codice perciò sono: il suo nome, la lunghezza della citazione associata (molto probabilmente sarà più d’una), e i suoi collegamenti (e gli eventuali tipi di relazione). Alcuni approcci (per esempio, come vedremo successivamente, quello narrativo) oppongono resistenza nell’organizzazione e categorizzazione dei dati attraverso i codici. In effetti il loro scopo è più quello di mantenere la struttura 7 Si vedano Strauss e Corbin (1998) per la codifica nella grounded theory.
  30. 30. 30 latente dei dati, più che comparare temi tra i dati. Quindi vedono la codifica come uno spezzettamento esagerato. (Mason, 2002). Per queste esigenze, la necessità dei collegamenti ipertestuali (hyperlinking) inizia a esserci in Weaver & Atkinson (1995) e Coffey et al. (1996). Essi non sono presenti in tutti i programmi, e possono differire rispetto al tipo di collegamento che si può stabilire (link a trigger con reazione, link sequenziali, link logici). I CAQDAS sono anche stati biasimati perché tenderebbero a far prevalere la codifica al posto di altri processi analitici. Oppure perché visti troppo influenzati dalla grounded theory, e sarebbero promotori di ortodossia nella ricerca qualitativa (Coffey et al., 1996). Fielding & Lee (1998) invece argomentano al contrario: qualsiasi collegamento tra i software e la grounded theory è sovrastimato, e il fatto che i CAQDAS siano disponibili non significa ortodossia nel metodo, o nell’utilizzo dei software. Insomma, i CAQDAS non sono un metodo. Forniscono semplicemente un grande insieme di strumenti che possono essere usati per semplificare diversi processi analitici. I ricercatori devono capire quali strumenti utilizzare, quali sono appropriati e che possono corrispondere alle loro esigenze (Lewins e Silver, 2007; 83). Torneremo più avanti sul punto. Per intanto rilevo che le autrici sostengono anche che nel generare i codici si debba trovare un compromesso tra quello che si vuole fare e ciò che i CAQDAS permettono di fare. Parrebbe un controsenso con quanto sostengono ampiamente nel resto del loro lavoro, ovvero che non si deve far decidere al software il modo in cui si vuole lavorare. Questo significa che quindi qualche limitazione è presente, nonostante i numerosi vantaggi portati dai CAQDAS. Infine, diamo un rapido sguardo alla possibilità di auto-coding. Qualora si abbia a che fare con dei dati inerentemente strutturati (interviste strutturate o semi- strutturate, focus group, domande a risposta aperta, più alcuni campi delle note di campo e qualche dato secondario), è possibile farvi ricorso. Non si deve però far sì che la preparazione dei dati influenzi troppo la trascrizione: deve essere una feature, non un vincolo, un’ossessione. Il rischio è perdere la dimensione qualitativa. E comunque la presenza dell’auto-coding non significa che si debba necessariamente usarlo.
  31. 31. 31 Realizzazione di uno schema di codifica Strettamente connesso alla questione dei codici vi è la realizzazione di uno schema di codifica. Da molti l’analisi qualitativa (o per lo meno una parte importante di essa) viene vista come l’attività di frammentare e poi rimettere assieme diversi segmenti di dati, in quanto si tratta di un ottimo modo per far emergere temi, emozioni, azioni, risultati, ecc (Lewins & Silver, 2007; 91-100). Alcuni software offrono al ricercatore la possibilità di realizzare schemi di codifica gerarchici (MAXqda e NVivo sono tra questi, come vedremo nel prossimo capitolo). Ciò non significa che se ne debba necessariamente fare uso. Il loro vantaggio è dato dal fatto che consentono di tenere un maggior ordine nella codifica. Hanno tuttavia più limiti (ad esempio dubbi di assegnazione). Si rivelano invece molto pratici per il lavoro di gruppo (se sullo stesso argomento, o tematiche simili). Gli schemi di codifica non gerarchici invece (come quello offerto da ATLAS.ti), portano ad avere i diversi codici tutti sullo stesso livello. Anche in questo caso l’impostazione sta all’utente, in quanto si possono comunque creare dei gruppi di codici (famiglie), relazioni tra i codici, oppure più semplicemente aggiungere suffissi ai vari codici al fine di raggrupparli. Alcuni ricercatori pensano che gli schemi gerarchici siano una distrazione inutile. Ma magari un po’ di ordine fa davvero comodo e ad esempio le relazioni e i gruppi possono dimostrarsi fondamentali. Tra i fattori che influenzano gli approcci allo sviluppo degli schemi di codifica vi sono: il fatto che si tratta di un’operazione che è riflessiva del proprio modo di lavorare; nel caso in cui si utilizzi l’approccio della grounded theory, prima si procede particolarmente bottom-up, e in seguito si cerca di combinare i codici per generare concetti più grandi, temi o categorie; altri invece insistono molto su uno schema a priori, e quindi chi è intenzionato a testare un quadro teorico si concentrerà più su questo aspetto; altri ricercatori, più influenzati ad espandere una teoria, opereranno prima in modo deduttivo, poi aperto a nuovi risultati; infine, nei gruppi di lavoro l’operazione sarà probabilmente meno flessibile, e risultato di negoziazioni e accordi precedenti.
  32. 32. 32 Non necessariamente il quadro teorico riflette gli schemi di codifica: dipende dall’approccio (per la grounded theory è ben difficile che lo faccia, si tratterà più di un’organizzazione efficiente dei codici). In più non è necessario, generalmente, utilizzare uno schema di codifica troppo ampio: non sempre potrebbero essere necessari tre livelli gerarchici. Per questo Miller (2006) mette in guardia dalla così detta «trappola della codifica», ovvero il perdersi con un numero esagerato di codici e con uno schema di codifica più elaborato di quanto realmente necessiti l’analisi. In un caso si avrebbero troppi codici per essere davvero considerati ai fini dell’analisi, nel’altro non si riuscirebbe ad assegnare ad ogni codice dello schema dei segmenti di dati. Come per altre funzionalità, può essere utile stampare la lista dei codici, in modo tale da capire cosa manca, quali relazioni si possono fare, al fine di razionalizzarla nel complesso. Infatti i CAQDAS consentono (più o meno semplicemente) di unire codici che successivamente si rilevano avere lo stesso significato, oppure porre i codici non molto rilevanti in una categoria residua (da denominare, per esempio “non così significativi” o “ridondanti”); si può anche assegnare un apposito suffisso a quelli non importanti, per farli stare in fondo alla lista, cosicché non si confondano a quelli più importanti; oppure è possibile sperimentare con i gruppi, per vedere come è possibile combinarli; fare query e salvarle, realizzare una mappa e vedere come sono connessi; appuntarsi dei memo per vedere come vanno le cose, elementi che si notano e prima non erano venute in mente. Non appena i codici sono stati generati, ha senso definire e ottenere l’elenco dei codici applicati, al fine di definirne il significato, lo scopo e avere un riscontro di quanto fatto. In questo modo si può avere (annotando) una traccia dei cambiamenti, ottenendo maggiore trasparenza, e quindi una maggiore potenziale qualità del lavoro. La generazione di un report di codici, ovvero l’elenco dei codici e la loro definizione è utile per ragioni analitiche e pratiche. Generare una lista di codici può aiutare in diverse fasi, per esempio quando si pensa di raggruppare codici, generare categorie di più alto livello, riorganizzare gli schemi di codifica, e così via. L’elenco può essere insomma un’utile istantanea (snapshot) nel processo
  33. 33. 33 d’analisi. Per esempio si può stampare, magari ci si trova meglio su carta, o si trovano cose che non si vedevano sul monitor. È utile anche nei gruppi di lavoro, per aumentare la coerenza della codifica. Se si intende cambiare idea su come sono stati codificati i dati, uno dei vantaggi dei CAQDAS è la possibilità di cambiare idea in ogni fase e riconsiderare i dati alla luce di come sono stati precedentemente codificati. Oppure si può semplicemente ridefinire la codifica, per decostruire ampie tematiche in concetti più dettagliati e precisi. Si può dunque aumentare o diminuire la quantità del testo codificato (riconsiderare la codifica, con più dettaglio, oppure alleggerirla). Oppure rimuovere codici, o per meglio dire, scollegare un codice assegnato a segmenti di dati. Magari un codice non è più utile, visto nell’insieme. Può venire la voglia di riorganizzare lo schema di codifica per aggiornarlo al modo di pensare che si è formato nell’analisi. Non che lo schema di codifica debba essere per forza esattamente come le idee teoriche che si hanno (anche se esse provengono dai dati), ma va comunque riorganizzato prima o poi. I codici si possono dunque rinominare (per avere più precisione), si possono unire (magari si vede che non sono poi così differenti come sembrava, o magari possono fare riferimento ad un argomento più vasto); si possono raggruppare (se si inizia in maniera induttiva, magari poi dopo si vogliono mettere assieme), si possono muovere (se si inizia con un approccio deduttivo, magari si desidera riorganizzare in base a nuove scoperte e riconcettualizzazioni); infine si possono cancellare (perché sono diventati ridondanti; è meglio tuttavia raggrupparli, come “varie”, altrimenti si perde lavoro e tutti i riferimenti che hanno nel dataset). Anche in tutti questi casi, stampare, aiuta, ricordandosi comunque di fare commenti strada facendo. Ciò detto, se ne deduce che alcuni modi sono inventati dal ricercatore, altri sono offerti dai software. I CAQDAS possono facilitare la gestione delle idee, rappresentandole in uno schema di codifica in diversi modi, e tale strumento può essere effettivamente usato per facilitare differenti approcci metodologici e analitici, e requisiti pratici. Questo avviene sia che si tratti di uno schema di codifica gerarchico, che non gerarchico. Differenti approcci possono essere integrati manipolando le strutture dello schema di codifica, e utilizzando
  34. 34. 34 strumenti per evitare la lista principale dei codici. Ciò riveste una particolare praticità, perché permette di tornare indietro, riconoscere individualmente i codici, i dati a loro collegati, e i gruppi di tematiche simili in un altro modo. Lo schema di codifica cambierà, e la lista è solo una modalità selettiva di tutto lo schema che andrà ad aiutare nell’analisi (collegamenti, gruppi, …). Concludendo questa sezione, possiamo quindi dire che gli strumenti di codifica sono solo strumenti: possono essere usati analiticamente, descrittivamente, o solo come semplice connessione a certi punti del file. Come utente è importante far sì che i codici siano un modo per rinforzare il contatto con i dati. Per meglio chiarire la differenza tra un diagramma e lo schema di codifica, è utile fare riferimento a Seale (202-3), il quale effettua un esempio sulla nota ricerca riguardante la perdita sociale di Glaser e Strauss (1964). Diagramma tratto da Seale (2005; 204) Schema tratto da Seale (2005; 204) Come si può notare dalle figure, il diagramma permette una maggiore flessibilità e l’associazione multipla ai diversi elementi, mentre lo schema ad albero risulta maggiormente legato alla gerarchia che si impone ai vari livelli.
  35. 35. 35 Esplorazione e visualizzazione dei dati semplice Una volta effettuata la codifica, successivamente lo scopo principale è quello di recuperare il lavoro fatto, qualsiasi tipo di codifica sia stato realizzato. Questo in quanto il così detto “code & retrieve” (codifica e recupero) è alla base dei CAQDAS. È qualcosa che si dovrebbe fare anche durante la codifica, per vedere come sta andando (per vedere modelli, relazioni, contraddizioni). Anche qui, è sempre bene annotare le riflessioni che ne scaturiscono (Lewins & Silver, 2007; 143-45). Vale la pena di ripetere che la codifica rinforza ciò che c’è nei dati: ma anche le cose che non si trovano, quanto le persone non dicono, sono importanti. Se codificare è un modo per organizzare le proprie idee sui dati, recuperare è un modo per aiutare a sviluppare interpretazioni. Il recupero è semplice perché ci sono vari modi per fare ricerche (e in caso query), ma a volte spaventa, a volte ci si mette troppo, a volte non serve. Comunque è un modo per proseguire nell’analisi, da descrittivo ad analitico. Anche solo per fare il punto della situazione (da redarre nel proprio diario di lavoro), fase importante per immergersi nel progetto. È un’operazione utile per ridefinire, aiuta a capire se quel codice è quello che si desiderava, se tutti i dati che cui è stato applicato un codice devono essere interpretati in quel modo; oppure, ci sono grandi o piccole differenze su come i rispondenti parlano delle stesse tematiche? Magari va suddiviso in più parti? O messo insieme ad un altro? Si possono recuperare i dati su un solo codice o su più codici (gruppi di codici). Può servire per vedere/pensare solo ad un argomento, isolandolo da altri aspetti, per poi magari rivedere particolari segmenti nel loro contesto originario e continuare a codificare se necessario. Oppure può essere sempre utile farne un output. Si può dunque vedere tutti i codici di un documento (sul margine, o lista solo per quel documento - entrambe anche per la stampa, ma la forma (layout) dipende dal software), per poi rivedere la codifica, e poi dopo eventualmente ricodificare, o ottenere le frequenze (tendenze, prevalenze). Potrebbe essere che dei valori quantitativi possano aggiungere qualcosa al
  36. 36. 36 progetto. Inoltre è possibile salvare istantanee (snapshots) in momenti significativi, vedere le varie fasi del lavoro. Per i gruppi di lavoro è utile condividerli specie se tutti stanno usando il software. Un brainstorming (o anche diversi) può rivelarsi utile, sia per i meno esperti che imparano da degli esperti, che in generale per la condivisione di differenti prospettive. È comunque sempre bene, in questo caso, che siano pianificate con i membri in anticipo. Il recupero è l’operazione attesa dalla maggior parte dei ricercatori qualitativi. È uno dei più importanti aspetti della gestione sistematica dei dati, che permette un lavoro raggruppato e iterativo sui dati significativi. Organizzazione della scrittura Questa possibilità consente di gestire l’operazione di scrittura e le interpretazioni effettuate nell’analisi. È bene distinguere: una cosa sono i commenti, un’altra sono i memo indipendenti, che possono essere collegati a vari oggetti. Questi ultimi sono infatti pensati per avere un carattere più astratto. Si tratta di un altro strumento che va scelto in base ai bisogni e allo stile personale. Vi si può scrivere riguardo ai documenti, ai codici, su determinati argomenti, idee, ma anche sul processo di ricerca (gli aspetti pratici dell’andamento dell’analisi) (Lewins & Silver, 2007; 163-71). La scrittura è un processo importante nella ricerca qualitativa. Come ci fa notare Gibbs (2005), cit. in Lewins e Silver, 2007, 164): “Writing is thinking. It is natural to believe that you need to be clear in your mind what you are trying to express first before you can write it down. However, most of the time the opposite is true. You may think you have a clear idea, but it is only when you write it down that you can be certain that you do (or sadly, sometimes, that you do not). Having to communicate your ideas is an excellent test of how far you have a clear understanding and how coherent your ideas are. Writing is an ideal way of doing this.” È quindi importante annotare pensieri, intuizioni, domande e teorie non appena vengono in mente, in quanto potrebbero tornare utili, così si è sicuri che nulla
  37. 37. 37 finisca perso, e in più viene tenuta traccia delle idee iniziali, cosicché si possa riformularle meglio. Può essere complicato in effetti, pensiamo ad un sacco di cose assieme, e su carta è arduo ritrovarle. Si possono avere dubbi se sia stato scritto qualcosa nelle note precedenti: con i CAQDAS è possibile cercare tra le note, con i link tra gli oggetti e i dati (mantenendo la diversità dei documenti: documento, nota, commento, cose da fare…). Riflettendoci, cosa conviene fare per le note di campo e gli appunti dopo un’intervista? Scriverle subito, appena possibile (in aree private, se si ha timore che sia inopportuno). Ed è verissimo, anche se in questo caso il software non può aiutare. Ma successivamente offre subito possibilità di farlo per analisi, rendendo meno problematico l’operazione di legare la nota a una parte dei dati, e collegare una riflessione ad un’altra (o più di esse), e associarvi un riferimento temporale, importante per tenere traccia di come si evolve una riflessione, o l’analisi più in generale. È importante selezionare cosa c’è da scrivere, ma anche avere un aiuto, nello scrivere. Con i CAQDAS si può gestire tutto in modo sistematico e utile, per poi recuperarlo dopo, e avere l’output per il paper finale. Si tratta del processo in cui l’organizzazione dei dati, la loro gestione e lo schema di codifica vanno insieme (il progetto come un “tutto”). Meglio perciò che sia sistematico e strutturato per lavorare con più efficacia. Richards (2005) punta molto sul ruolo dei memo, dove è importante annotare anche quelle riflessioni sui dati che non danno o non hanno fornito sbocchi significativi. È possibile annotare anche informazioni che per esempio non finiscono nelle note di campo, che comunque è meglio non perdere, e con questo strumento è possibile. Per esempio, pensiamo a delle note su cosa è avvenuto nel corso di un’intervista: possono essere già nella trascrizione, ma volendo anche come note sul software (o magari la spiegazione più approfondita di una nota). Talvolta nella ricerca qualitativa ci si può chiedere se non sia che in realtà siamo noi stessi ad analizzarci, come se fosse una psicanalisi. Questo è corretto, ma è importante che tutto questo sia tracciabile e trasparente; noi stessi possiamo avere difficoltà a ripercorrere tutte le fasi da noi affrontate. Le note e i commenti, se tenuti con ordine, rispettano l’assoluta importanza di contestualizzare il materiale analizzato.
  38. 38. 38 Capita spesso di sentire che si fanno “fasi” di ricerca separate (lo stesso può apparire in questo elaborato). Ma in verità non è (o non dovrebbe) essere così. Non si tratta di un processo sequenziale, ma iterativo, riflessivo e ciclico. Per dimostrazione posso inserire ciò che mi aspetterei dai dati nei memo, per poi vedere se si ritrova nei dati. Magari si smette di codificare, ma la scrittura parte subito e termina solo con la pubblicazione. La scrittura è infatti l’importantissimo processo di formalizzazione delle idee. A mio avviso la fase della stesura del paper è la più difficile. Alcuni fanno più difficoltà, e non credo che necessariamente non abbiano buone idee: i CAQDAS dovrebbero essere in grado di aiutarli in questi casi. Può essere utile tenere un diario di ricerca, dove riportare quello che si fa, con le riflessioni aggiunte. È importante se si deve giustificare l’approccio metodologico, e per il processo di verifica. Con i CAQDAS si possono aggiungervi riferimenti incrociati con la letteratura, propositi di ricerca per stimarne il progresso, tenere traccia delle varie fasi del progetto (significativi cambi di direzione, ridefinizione dello schema di codifica), scrivere riguardo aspetti pratici del software (cos’è stato utile e perché), vedere il progresso in una mappa. Nei gruppi di lavoro è utile per definire responsabilità, tenere traccia delle discussioni, degli incontri, e verbalizzare le decisioni prese (utile soprattutto per chi coordina). È possibile realizzare un solo diario di ricerca, o dividerlo in processo di ricerca e diario riflessivo. Una nota eccezione sono le note di campo, che nell’osservazione partecipante e nell’etnografia sono dati primari. I memo possono essere analitici o teorici: nel primo caso si tratta dello sviluppo dell’interpretazione; nel secondo di un aspetto centrale nella grounded theory: è il posto dove teorizzare e commentare i codici (oppure i concetti) e sul processo di codifica (usati molto nella fase axial). Gibbs (2002) sostiene che i CAQDAS permettono di lavorare con i memo come proponeva Glaser (1978), ovvero in modo completamente separato dai dati primari, ma sempre e comunque facendo riferimento ad essi: li si può ordinare, ma anche collegare ad altri oggetti. Layder (1998) parla di memo teorici in modo simile: un importante modo per sviluppare concetti e idee; costruire un commento passo-passo sui dati delle interviste: rimescolamento e ripensamento del significato dei dati
  39. 39. 39 (cosa, come e perché), per produrre nuove idee e spiegazioni; e poi un importante elaborazione, estensione, modifica dei concetti, idee che erano già importanti. Per Charmaz (2000) i memo costituiscono lo stadio intermedio tra i codici e la scrittura del paper. Inoltre si può aiutare la realizzazione di un modello in contemporanea con la stesura dei memo. È importante che i memo siano in un posto unico (come il diario di ricerca) o inserite collegate agli oggetti, è indifferente dove. Meglio però non mischiare i due modi tra loro. Rimane il fatto che il poter subito legare il memo ai dati lo rende uno strumento molto più comodo del semplice appunto scritto a mano, consentendo maggior rigore, trasparenza e qualità. Resta il fatto che i CAQDAS offrono molti strumenti per i memo, ma non è detto che si debba usarli tutti. Inoltre è meglio non disperdere troppo i memo, e se possibile iniziare sin da subito a dividerle per argomento, datando ogni appunto, e creando gruppi di memo (sulla base di domande di ricerca, scoperte empiriche, idee teoriche, capitoli di tesi, sezioni di report,…). In tal modo l’output dei memo sarà costituito da parti già o quasi pronte per il paper, o anche solo una stampa per riflettere sui dati, ma lontano da essi (o meglio, lontano dal computer). I memo possono essere parti del futuro paper, e si può decidere di tenerle staccate dai dati (sebbene sia meglio fare collegamenti ad essi). Comunque è diverso da fare tutto su un programma di elaborazione testi, dato che i memo fanno parte del progetto, e sono quindi, come minimo, ricercabili. Inoltre si possono eseguire più facilmente operazioni altrimenti difficili su carta, come il collegamento tra i memo e i documenti (utile per le note di campo e per le informazioni descrittive), il collegamento tra i memo e i codici (utile per ricordare fili di pensieri, specie per le mappe), e la codifica dei propri memo (facendoli diventare documenti primari). Ribadisco l’importanza della funzione di ricerca, considerando quanto sia frustrante non ritrovare quello che si è scritto in precedenza.
  40. 40. 40 Mappare idee e collegare concetti Come si è visto la realizzazione di mappe è un aspetto molto legato ai memo. Le mappe possono aiutare a fare e visualizzare connessioni (Lewins & Silver, 2007; 179-83). La spiegazione teorica vede connaturata la realizzazione di modelli. Layder (1998) propone la sua “adaptive theory”, per vedere se i dati fittano, e per evolvere il modello. Strauss e Corbin (1998), nel campo della grounded theory, in particolare per quanto riguarda la codifica assiale, ritengono che i modelli siano importanti per disegnare connessioni e definire relazioni tra codici, e questo processo può essere facilitato dalle mappe. Per Gibbs (2002) con l’utilizzo delle mappe può essere rappresentato un più ricco e più complesso insieme di collegamenti (condizioni intervenienti, condizioni causali, strategie). Ci sono software che si occupano solo di mappe, ma i CAQDAS offrono una possibilità diversa: l’integrazione con gli stessi dati. In QDA Miner vengono offerti strumenti utili per i costruttivisti e gli studiosi del linguaggio: mappe con occorrenze di parole e connessioni tra parole e codici e la prossimità tra di essi (dendrogrammi, cluster map). Al momento in ATLAS.ti, MaxQDA ed NVivo vi sono solamente approssimazioni di queste procedure. Ci si può chiedere se le mappe siano necessarie per l’analisi. È vero, non producono l’analisi. Ma siccome aiutano a lavorare in maniera più astratta, possono essere in grado di facilitare il processo d’analisi. Incoraggiano il profilo visuale, richiamano brainstorming, e permettono la presentazione grafica di idee (per il lettore o per il pubblico). Insomma, possono permettere e/o aiutare a integrare e connettere idee astratte con gli stessi dati. Se usate assieme ad altri strumenti, in particolare strumenti di scrittura (come i memo direttamente sulla mappa) e aspetti dello schema di codifica, forniscono un modo visivo per creare scorciatoie nel dataset, e riformulare pensieri. Per esempio la creazione di mappe può essere un aiuto a razionalizzare e inquadrare l’evidenza empirica. Il modello si può usare come lente teorica attraverso cui vedere la crescente massa di dati empirici e a dare un senso alle interconnessioni viste tra di essi. I dati non sono stati infatti «testati», o fittati in un modello, ma le idee teoriche ed
  41. 41. 41 empiriche che stanno dietro il modello possono aiutare a evidenziare aspetti per una successiva considerazione. Detto in altri modi, non si tratta di una semplice trasposizione su schermo della mappa che è possibile disegnare su carta, ma della possibilità di spostare gli elementi come se fossero ritagli e, soprattutto, avere a che fare con oggetti dal contenuto «attivo». Comunque le mappe possono essere usate per tanti scopi, non devono necessariamente avere una base teorica. Per esempio: recuperare e ottimizzare lo schema di codifica8 ; decostruire processi in esame; pianificare la struttura del paper per riflettere adeguatamente su un argomento complesso. Il limite dei CAQDAS, per il quale basta comunque l’accortezza del ricercatore per essere evitato, è dato dal fatto che è l’utente a creare i link tra gli oggetti (documenti, citazioni, codici, memo); molti software possono ricordare le connessioni fatte prima (ed è quindi più difficile partire da zero, per provare qualcosa di nuovo). Le possibilità dei CAQDAS invece sono l’aspetto visivo; la definizione dei collegamenti (il tipo di relazione); la possibilità di vedere i dati a cui fa riferimento un oggetto; il creare nuovi oggetti astratti (rappresentare un processo o una nota, o una nuova idea astratta); migliorare/personalizzare l’aspetto visivo della mappa; esportare per altre applicazioni (sempre per considerare il lavoro anche lontano dal computer). L’accorgimento da tenere è che chi realizza delle mappe deve sapere renderne conto. Bisogna evitare di semplificare eccessivamente, e invece usare i dati (ai quali si può accedere) per supportare le connessione. Insomma, migliorare la trasparenza, anche in questo caso. Alcune procedure che si possono fare, ricordando che non sono prescrittive: si può usare se si lavora con codici a priori, per realizzare un modello di partenza; farlo solo di un documento, con una mappa che modella quelle che si crede siano le principali caratteristiche delle risposte di un’intervista; se si lavora induttivamente, si possono utilizzare per sviluppare una teoria o una spiegazione ongoing, portare nuovi codici in una mappa, iniziare a ponderare 8 Si veda Marshall (2002) per alcuni accorgimenti riguardo la codifica e l’utilizzo delle mappe per effettuare la ricodifica.
  42. 42. 42 come le cose stanno assieme e legarle in nuovi concetti, codici, per poi modellarle in concetti più ampi (o codici assiali). Seale (2005; 202-5) ricorda che si possono anche usare i CAQDAS per costruire la teoria (se serve, non se si opera un’indagine descrittiva), sia generare, che “testare”, che lo si attua mediante mappe e relazioni di vari tipi. Riassumendo, le mappe permettono di riprendere gli oggetti del progetto in maniera schematica; danno modo di avere sotto controllo (o di poterci tornare) con le complesse interrelazioni dei differenti elementi dell’analisi. Tuttavia, se sono fatte male, il software non lo fa notare. È il ricercatore a doversene accorgere. Possono avere un effetto benefico (pulizia del progetto), ma anche semplificare eccessivamente. Oppure essere semplicemente superflue. Bisogna inoltre stare attenti a non realizzarle troppo presto, al di fuori dei dati, in base a idee precedenti, in quanto presenterebbero il bias del ricercatore. Una mappa deve essere utile e significativa e non basata sul nulla, ma deve poter essere controllata e basata sui dati. Come già detto: occorre essere sempre critici sugli strumenti che si usano, ed autocritici sul modo in cui si stanno usando. Organizzazione dei dati su caratteristiche note L’organizzazione dei dati permette di focalizzarsi su sottoinsiemi di dati, e combinazioni di sottoinsiemi (Lewins & Silver, 2007; 194-99). Facilita la comparazione, ed è particolarmente importante quando si lavora su un progetto di larga scala, ma anche per quelli più ristretti (facilita l’identificazione di strutture, relazioni e contraddizioni). L’organizzazione dei dati permette un facile accesso al dataset, in quanto se utilizzato assieme ai codici concettuali si possono recuperare dati ben specifici. La comparazione, qualsiasi sia lo stato dello studio, è fondamentale. Nei progetti corposi – vi saranno più tipi di rispondenti, ed è bene poterli organizzare – è difficile ricordare tutte le caratteristiche dei casi, come dove trovare parti interessanti.
  43. 43. 43 L’organizzazione per caratteristiche socio-demografiche può essere un’idea, ma è anche importante dividere i loro tipi, la loro origine (intervista, focus group, articoli, scambio di e-mail,…). Si possono importare le categorie dall’esterno (Excel, SPSS), ma è bene importare solo ciò che realmente serve ai fini della ricerca. Si realizza una query, collegando le famiglie (ATLAS.ti) e gli attributi (NVivo, MAXqda) con i codici. Perciò serve raggruppare in base a quelle che saranno le nostre domande, le idee che vogliamo testare, le parti del dataset che vogliamo isolare. Per esempio: diverse persone che parlano dello stesso argomento, oppure un argomento in un solo tipo di dato (interviste, atti legislativi, ecc.). Serviranno due o più elementi per avere questo tipo di report. C’è spesso confusione tra i ricercatori se sia appropriato usare gli attributi al posto dei codici. Gli attributi (o famiglie) servono a catturare caratteristiche fattuali, conosciute dei dati (maschio/femmina, residenza, soddisfazione per un servizio): sono fattuali, ma comunque alcuni possono cambiare nel corso di un’indagine longitudinale. La codifica concettuale invece è usata per mettere assieme pezzi di dati che sono simili in un certo modo, dal punto di vista del ricercatore: sono generalmente applicati a parti di dati, dove i rispondenti stanno parlando di un particolare argomento, o dove il ricercatore identifica i dati come una rappresentazione del concetto. In alcuni casi attributi e codici possono essere di natura simile: per esempio in uno studio riguardante le percezioni di genere utilizzando degli articoli di giornale, la famiglia/l’attributo sarebbe il genere del/la giornalista, i codici l’argomento riferito al genere nell’articolo. Successivamente si possono incrociare, per vedere in che modo il genere dei giornalisti influenzi il modo in cui trattano dei generi negli articoli (Lewins & Silver, 2007; 197). Non necessariamente l’organizzazione è effettuabile all’inserimento dei dati, in quanto alcune categorie emergono solo dopo la lettura dei dati. L’importante è che non si confondano, e quindi che le categorie siano fattuali. Un altro esempio più essere la suddivisione degli intervistati in base alla loro opinione su un particolare tema (molto soddisfatto, poco soddisfatto, per niente soddisfatto) e poi ci si può chiedere chi ha più informazioni su un tema in base al suo giudizio in materia.
  44. 44. 44 L’organizzazione è ben fattibile se il documento è un elemento singolo dei dati raccolti. Si può dare un attributo anche a parte o a parti di un documento, se ricorre il caso (mediante l’auto-coding, per esempio assegnare un codice per ogni soggetto che interviene in un focus group). Con i case studies, invece, la questione è più complessa: si ha a che fare con una grande e disparata mole di materiale (diverse istituzioni, diversi Paesi; diversi ruoli dei soggetti; interviste, focus group, ecc.). È bene quindi usare diverse famiglie, che possono anche sovrapporsi, permettendo di rilevare le diverse dimensioni dell’oggetto dello studio. Per concludere, si può affermare che organizzare i dati è utile con dataset grandi e complessi, ed è possibile farlo in molti modi; può essere fatto all’inizio, o nel corso dell’analisi, come tanti altri processi; l’elemento di maggior interesse è la possibilità di combinare famiglie/attributi con i codici prodotti. Interrogazione dei dati (esplorazione complessa) L’interrogazione dei dati, in forma più complessa rispetto al semplice recupero delle citazioni e dei codici associati è una delle funzionalità più raffinate offerte dai CAQDAS (Lewins & Silver, 2007; 209-14). Si tratta di un’operazione che può essere compiuta anche nel corso dell’analisi, non solo quando la codifica è finita. Infatti, raggiunta una certa complessità con le codifiche e organizzando il dataset, è facile aver chiaro come procedere. Ma se si è codificato una parte dei dati, sapere come continuare può essere difficile; si possono allora usare gli strumenti di ricerca per acquisire sicurezza nel maneggiare i dati e ad utilizzare il software, a qualsiasi fase del lavoro. Ci sono molti modi per ottenere lo stesso risultato. Inoltre una ricerca preliminare può essere utile per aprire nuove strade di ricerca. Se la risposta ad una domanda è già conosciuta, un risultato di conferma fornisce sicurezza nel modo in cui la ricerca è stata fatta. Sono tutte operazioni che si possono compiere anche per tentativi, in quanto non si danneggia il progetto facendo delle ricerche al suo interno: non esistono scuse quindi per non provare.

×