Che cos'è la ricerca qualitativa?
La ricerca qualitativa studia esperienze, significati e processi sociali attraverso dati non numerici: parole, immagini e osservazioni. Pone domande sul “come” e sul “perché”, per esempio come gli studenti universitari di prima generazione vivono il loro primo semestre, e cerca profondità e contesto anziché conteggi.
Esempi di ricerca qualitativa
- Interviste a 20 infermieri su come gestiscono il carico di lavoro durante i turni di notte.
- Un'etnografia di una scuola primaria, che osserva la vita in classe per un anno.
- Focus group con pazienti sull'uso di una nuova app per la salute.
- Un'analisi di come i giornali hanno inquadrato un dibattito sulle politiche pubbliche.
Ricerca qualitativa e ricerca quantitativa
La ricerca quantitativa misura e conta, usa campioni più ampi e la statistica, e verifica ipotesi. La ricerca qualitativa interpreta i significati, usa campioni più piccoli e mirati e analizza testi, e spesso costruisce comprensione o teoria. Nessuna delle due è migliore: rispondono a domande diverse, e la ricerca a metodi misti le combina.
Cinque approcci qualitativi
La classificazione di John Creswell, molto diffusa:
- Ricerca narrativa: le storie di vita delle persone.
- Fenomenologia: l'essenza condivisa di un'esperienza vissuta.
- Grounded theory: costruire dai dati la teoria di un processo.
- Etnografia: la cultura di un gruppo, attraverso un lungo lavoro sul campo.
- Caso di studio: lo studio approfondito di un caso delimitato.
I metodi di raccolta dei dati più comuni sono le interviste (spesso semistrutturate), i focus group, l'osservazione, i documenti e i materiali visivi.
Analizzare i dati qualitativi
I ricercatori codificano i dati, raggruppano i codici in temi o categorie e li interpretano, con metodi come l'analisi tematica, l'analisi del contenuto, l'analisi del discorso o l'analisi fenomenologica interpretativa. Software come NVivo aiutano a gestire la codifica.
Valutare la qualità
La ricerca qualitativa si giudica in base alla sua affidabilità complessiva (trustworthiness) anziché con test statistici. I criteri di Lincoln e Guba sono credibilità, trasferibilità, coerenza nel tempo (dependability) e confermabilità, sostenuti da pratiche come la triangolazione, il member checking, una chiara traccia di audit (audit trail) e la riflessività sull'influenza del ricercatore.
Punti di forza e limiti
- Punti di forza: una comprensione ricca e contestuale; la capacità di scoprire l'inatteso; dà voce ai partecipanti.
- Limiti: i risultati non sono generalizzabili statisticamente; l'analisi richiede molto tempo; l'interpretazione del ricercatore deve essere resa trasparente.
Caso d'uso: IA per scrivere articoli scientifici