Come definire variabili ricerca in uno studio quantitativo

Hai già scelto un argomento, magari anche una domanda di ricerca, ma appena provi a scrivere “le variabili dello studio” tutto diventa scivoloso: motivazione, rendimento, stress, soddisfazione, aderenza, performance. Sembrano concetti chiari finché il relatore ti chiede: “Come li misuri?”. È lì che molti studenti delle università italiane, tra tesi di laurea triennale e magistrale, scoprono che una variabile non è solo una parola elegante nel capitolo di metodologia. Se non sai come definire variabili ricerca, rischi di costruire un questionario confuso, scegliere analisi statistiche inadatte o formulare ipotesi che non possono essere verificate con i dati raccolti.

Per definire una variabile in una ricerca quantitativa devi specificare il concetto teorico, la sua definizione operativa, gli indicatori osservabili, lo strumento di misurazione e la scala dei dati. L’operazionalizzazione variabili serve proprio a trasformare idee astratte in misure controllabili, così che domanda di ricerca, ipotesi, questionario e analisi statistica restino allineati.

In questa guida

• Che cosa significa definire una variabile in una ricerca quantitativa?
• Come definire variabili ricerca partendo da domanda e ipotesi?
• Quali tipi di variabili in statistica devi distinguere?
• Come funziona loperazionalizzazione variabili passo dopo passo?
• Qual è una definizione operativa esempio fatta bene?
• Come trasformare variabili ricerca quantitativa in indicatori misurabili?
• Quali errori fanno spesso gli studenti quando definiscono e operazionalizzano le variabili?
• Come controllare la coerenza tra variabili, strumenti e analisi?
• Come verificare le variabili prima di scrivere il capitolo di metodologia?

Che cosa significa definire una variabile in una ricerca quantitativa?

Definire una variabile significa dire con precisione quale caratteristica osservi, in quali soggetti o casi, come la misuri e che tipo di dato produrrai. In una ricerca quantitativa, una variabile deve poter assumere valori diversi: punteggi, categorie, frequenze, percentuali, tempi, livelli o risposte su scala. Senza questa precisione, il concetto resta teorico e non può essere usato correttamente in un’analisi statistica.

Dal concetto astratto alla misura

Una variabile è una proprietà che può cambiare tra individui, gruppi, organizzazioni, eventi o documenti. “Età” è una variabile perché può assumere valori diversi; “studenti universitari” da solo non è una variabile, ma una popolazione o un gruppo.

Il problema nasce con concetti meno immediati. “Motivazione allo studio”, “qualità dell’assistenza”, “soddisfazione del cliente” o “percezione del rischio” non si osservano direttamente come l’età. Devi decidere quali segnali userai per rappresentarli.

Per esempio, in psicologia potresti studiare la relazione tra uso serale dello smartphone e qualità del sonno negli studenti. “Uso serale dello smartphone” può essere misurato come minuti di utilizzo dopo le 21:00, numero di controlli del telefono prima di dormire o punteggio a una scala di uso problematico. Ogni scelta cambia il significato della variabile e il tipo di dato che otterrai.

Definizione concettuale e definizione operativa

La definizione concettuale spiega che cosa intendi teoricamente per una variabile. Ad esempio: “La motivazione intrinseca è l’interesse a svolgere un’attività per soddisfazione personale, non per ricompense esterne”.

La definizione operativa spiega come quella variabile verrà misurata nello studio. Ad esempio: “La motivazione intrinseca sarà misurata con il punteggio medio ottenuto in sei item su scala Likert da 1 a 5 relativi a interesse, piacere e curiosità verso il corso”.

Queste due definizioni non sono intercambiabili. La prima colloca il concetto nella teoria; la seconda rende possibile la raccolta dei dati. Una buona metodologia quantitativa le usa entrambe, soprattutto quando il concetto non è osservabile in modo diretto.

Perché il relatore insiste sulle variabili

Il relatore insiste sulle variabili perché da esse dipendono domanda di ricerca, ipotesi, campione, strumento e analisi. Se una variabile è vaga, anche tutto il disegno di ricerca diventa instabile.

Immagina una tesi magistrale in management sulla relazione tra smart working e produttività. Se “produttività” significa percezione soggettiva dei dipendenti, userai un questionario; se significa numero di pratiche concluse al mese, avrai bisogno di dati aziendali; se significa valutazione del responsabile, servirà un altro strumento. La parola è la stessa, ma la ricerca cambia completamente.

Come definire variabili ricerca partendo da domanda e ipotesi?

Per capire come definire variabili ricerca, parti dalla domanda di ricerca e individua quali elementi devono variare per poter rispondere. Poi collega ogni variabile a un’ipotesi, scegli il suo ruolo nel modello e scrivi una definizione operativa coerente. Questo evita di raccogliere dati inutili o, peggio, di non raccogliere il dato necessario.

Parti dalla domanda, non dal questionario

Molti studenti aprono Google Moduli prima di aver chiarito le variabili. È un errore frequente: il questionario arriva dopo, non prima. Prima devi sapere quali concetti vuoi misurare e perché.

Una domanda come “Lo stress influenza il rendimento universitario?” contiene almeno due variabili: stress e rendimento. Ma non basta nominarle. Devi decidere se lo stress sarà misurato con una scala validata, con il numero di eventi stressanti dichiarati o con una valutazione soggettiva da 1 a 10. Devi anche decidere se il rendimento sarà la media ponderata, il numero di CFU conseguiti, il voto dell’ultimo esame o l’autovalutazione dello studente.

Se stai ancora restringendo il tema, può aiutarti lavorare prima su una domanda più precisa, come spiegato in Dal tema ampio alla domanda di ricerca. Una domanda troppo ampia genera variabili troppo generiche.

Collega ogni variabile all’ipotesi

L’ipotesi è una previsione verificabile sulla relazione tra variabili. Se scrivi “Gli studenti più motivati ottengono risultati migliori”, devi definire “motivazione” e “risultati” in modo misurabile.

Una formulazione più controllabile potrebbe essere: “Gli studenti con un punteggio più alto nella scala di motivazione intrinseca avranno una media esami più alta”. Qui le variabili sono già più vicine alla misurazione: punteggio nella scala e media esami.

Se la tua tesi prevede obiettivi e ipotesi, controlla che ogni ipotesi includa almeno una variabile osservabile. Puoi approfondire la coerenza tra obiettivi, ipotesi e variabili in Schema visuale di obiettivi e ipotesi di ricerca.

Versione debole e versione più solida

Versione debole dello studente	Riscrittura più solida
“Voglio studiare se i social influenzano gli studenti.”	“Voglio verificare se il tempo medio giornaliero trascorso su Instagram è associato al punteggio di concentrazione durante lo studio negli studenti di laurea triennale.”
“La motivazione migliora i voti.”	“Il punteggio medio di motivazione intrinseca su scala Likert 1–5 sarà confrontato con la media ponderata degli esami sostenuti nell’ultimo anno.”
“Il benessere dipende dal lavoro da casa.”	“Il numero di giorni settimanali in smart working sarà analizzato in relazione al punteggio di benessere lavorativo rilevato tramite questionario standardizzato.”
“I pazienti seguono meglio la terapia se sono informati.”	“Il punteggio di comprensione delle istruzioni di dimissione sarà associato al numero di dosi assunte correttamente nei 30 giorni successivi.”

La riscrittura non rende automaticamente la ricerca “migliore”, ma la rende verificabile. Questo è il passaggio decisivo negli studi quantitativi.

Quali tipi di variabili in statistica devi distinguere?

I principali tipi di variabili in statistica da distinguere sono variabili indipendenti, dipendenti, di controllo, confondenti e moderatrici, oltre alle variabili categoriali e quantitative. La distinzione serve a capire che ruolo ha ogni variabile nel modello e quale analisi statistica puoi usare. Se confondi ruolo e scala di misurazione, rischi di scegliere test inadatti.

Variabile indipendente e variabile dipendente

La variabile indipendente è la variabile che usi come possibile spiegazione, predittore o fattore associato. La variabile dipendente è l’esito che vuoi spiegare, prevedere o confrontare.

In uno studio di scienze dell’educazione, potresti chiederti se il numero di ore di studio settimanali è associato al voto dell’esame. Le ore di studio sono la variabile indipendente; il voto è la variabile dipendente. Se invece studi quali fattori prevedono le ore di studio, il ruolo cambia.

Non sempre la variabile indipendente “causa” la dipendente. In molte tesi triennali e magistrali con dati osservazionali puoi parlare di associazione o relazione, non di causalità. Per chiarire meglio questa distinzione, puoi leggere Relazione tra variabile indipendente e dipendente.

Variabili di controllo, confondenti e moderatrici

Una variabile di controllo è una caratteristica che includi nell’analisi per evitare interpretazioni troppo semplici. Età, genere, anno di corso, esperienza lavorativa o livello di istruzione sono spesso usate come controlli.

Una variabile confondente è collegata sia alla variabile indipendente sia alla dipendente e può distorcere la relazione osservata. Per esempio, se studi il rapporto tra attività fisica e benessere percepito negli studenti, il tempo libero disponibile potrebbe influenzare entrambe.

Una variabile moderatrice cambia la forza o la direzione della relazione tra due variabili. In management, il supporto del supervisore potrebbe moderare la relazione tra carico di lavoro e burnout: lo stesso carico potrebbe avere effetti diversi in contesti con alto o basso supporto.

Variabili categoriali e quantitative

Le variabili si distinguono anche in base alla scala dei dati. Una variabile categoriale nominale divide i casi in categorie senza ordine, come corso di laurea o tipo di contratto. Una variabile ordinale ha categorie ordinate, come livello di accordo da “per niente” a “molto”. Una variabile quantitativa usa valori numerici interpretabili come quantità, ad esempio età, reddito, punteggio totale, numero di assenze.

Questa distinzione non è un dettaglio tecnico: determina quali statistiche descrittive e quali test puoi usare. Una media ha senso per un punteggio numerico, ma non per una categoria nominale come “facoltà”. Una percentuale può descrivere categorie; una correlazione richiede variabili misurate in modo compatibile.

Come funziona l’operazionalizzazione variabili passo dopo passo?

L’operazionalizzazione variabili consiste nel trasformare un concetto teorico in una misura osservabile attraverso indicatori, strumenti, procedure e regole di codifica. Il processo parte dalla teoria, passa per la scelta degli indicatori e arriva al dataset. Se ogni passaggio è esplicito, chi legge capisce esattamente che cosa hai misurato.

Procedura in sei passaggi

Un modo pratico per operazionalizzare una variabile è seguire una sequenza controllata:

1. Nomina il concetto teorico. Scrivi il concetto che vuoi studiare, ad esempio “soddisfazione del paziente”.
2. Definiscilo in termini concettuali. Spiega che cosa significa nel tuo studio, con riferimento alla letteratura.
3. Scegli gli indicatori osservabili. Decidi quali segnali rappresentano il concetto: punteggio, frequenza, comportamento, risposta.
4. Seleziona lo strumento di misura. Può essere un questionario, una scala validata, un registro, un database o una griglia di codifica.
5. Specifica scala e codifica. Indica se il dato sarà nominale, ordinale, intervallare o a rapporti; spiega valori e categorie.
6. Controlla la coerenza con l’analisi. Verifica che il dato ottenuto sia adatto al test statistico previsto.

Questa procedura riduce il rischio di passare da un concetto interessante a un dato inutilizzabile. Se stai costruendo uno strumento di rilevazione, il collegamento con Schema visivo per progettare un questionario di ricerca può aiutarti a trasformare gli indicatori in item coerenti.

Esempio in scienze infermieristiche

Supponiamo una tesi magistrale in infermieristica sull’aderenza terapeutica negli anziani dimessi a domicilio. Il concetto “aderenza terapeutica” può sembrare chiaro, ma va operazionalizzato.

Una definizione operativa possibile è: “L’aderenza terapeutica sarà misurata come percentuale di dosi assunte correttamente nei 30 giorni successivi alla dimissione, sulla base del diario farmacologico compilato dal caregiver”. Qui l’indicatore è la percentuale di dosi corrette, lo strumento è il diario, il periodo è definito e l’unità di misura è chiara.

Un’altra scelta potrebbe usare una scala self-report. Sarebbe legittima, ma misurerebbe una percezione dichiarata, non necessariamente il comportamento effettivo. La scelta deve essere giustificata nel capitolo di metodologia.

Esempio in psicologia sociale

In una ricerca di psicologia sociale sulla relazione tra solitudine percepita e uso problematico dei social, “solitudine” non va misurata con una domanda improvvisata come “Ti senti solo?”. Potresti usare il punteggio totale di una scala validata, se disponibile e coerente con il tuo contesto.

La variabile “uso problematico dei social” potrebbe essere misurata con item su perdita di controllo, interferenza con lo studio e uso compulsivo. Se invece misuri solo i minuti giornalieri online, stai studiando intensità d’uso, non necessariamente problematicità. La definizione operativa protegge proprio da questo slittamento di significato.

Qual è una definizione operativa esempio fatta bene?

Una definizione operativa fatta bene indica il concetto, l’indicatore, lo strumento, la scala, il periodo di osservazione e il modo in cui verrà calcolato il valore della variabile. Deve permettere a un altro studente o relatore di capire come riprodurre la misurazione. Una definizione operativa esempio non deve essere lunga, ma deve togliere ambiguità.

Confronto tra definizione vaga e definizione utilizzabile

Aspetto	Versione vaga	Versione operativa
Motivazione	“Misurerò quanto gli studenti sono motivati.”	“La motivazione intrinseca sarà calcolata come media di 6 item su scala Likert 1–5 relativi a interesse, curiosità e piacere nello studio.”
Rendimento	“Userò i risultati universitari.”	“Il rendimento sarà misurato tramite media ponderata degli esami registrata al momento della compilazione del questionario.”
Stress	“Valuterò lo stress degli studenti.”	“Lo stress percepito sarà misurato con un punteggio totale ottenuto da 10 item su scala 0–4 riferiti alle ultime quattro settimane.”
Soddisfazione	“Chiederò se i clienti sono soddisfatti.”	“La soddisfazione del cliente sarà misurata con il punteggio medio di 5 item su scala 1–7 relativi a servizio, tempi, comunicazione, prezzo e probabilità di riacquisto.”

La colonna operativa non lascia il lettore a indovinare. Specifica come il concetto diventa dato e rende più facile valutare se la misura è adatta alla domanda di ricerca.

Formula pratica da usare nella metodologia

Puoi scrivere una definizione operativa seguendo questa struttura:

“La variabile [nome] è definita come [concetto specifico] e sarà misurata tramite [strumento/indicatore], con valori [scala o intervallo], riferiti a [periodo/popolazione], calcolati come [regola di calcolo].”

Esempio: “La variabile soddisfazione lavorativa è definita come valutazione soggettiva positiva dell’esperienza lavorativa e sarà misurata tramite il punteggio medio di otto item su scala Likert da 1 a 5, riferiti agli ultimi tre mesi, calcolato come media delle risposte valide”.

Questa formula funziona bene per tesi triennali e magistrali perché costringe a esplicitare tutti i pezzi che spesso restano impliciti. Non devi usarla in modo meccanico, ma può aiutarti a controllare la completezza.

Attenzione agli strumenti già validati

Se usi una scala già esistente, non riscrivere la definizione come se l’avessi inventata tu. Indica che la variabile sarà misurata tramite lo strumento scelto, specificando punteggio, numero di item, scala di risposta e interpretazione generale.

Se traduci, adatti o riduci una scala, dichiaralo. Una versione abbreviata o modificata può non avere le stesse proprietà della scala originale. Per una tesi di laurea, spesso è meglio scegliere pochi strumenti chiari e coerenti, invece di combinare molte misure senza una logica.

Come trasformare variabili ricerca quantitativa in indicatori misurabili?

Per trasformare variabili ricerca quantitativa in indicatori misurabili devi chiederti quali manifestazioni osservabili rappresentano il concetto e quale dato puoi realisticamente raccogliere. Un indicatore è un segnale concreto: una risposta, un punteggio, una frequenza, un tempo, una categoria o un valore registrato. Più il concetto è astratto, più la scelta degli indicatori va giustificata.

Indicatori diretti e indiretti

Un indicatore diretto misura una caratteristica in modo vicino al fenomeno osservato. Il numero di assenze a lezione è un indicatore diretto della frequenza di presenza, se i registri sono affidabili.

Un indicatore indiretto rappresenta il concetto attraverso segnali collegati. La soddisfazione per un servizio può essere misurata con item su cortesia, rapidità, chiarezza e disponibilità a raccomandarlo ad altri. Nessuno di questi item, da solo, esaurisce il concetto; insieme lo rappresentano.

In ambito sanitario, la “qualità percepita dell’assistenza” può includere comunicazione del personale, gestione del dolore, tempi di risposta e chiarezza delle istruzioni. In ambito business, la “fedeltà del cliente” può includere acquisti ripetuti, intenzione di riacquisto e raccomandazione. In ambito educativo, il “coinvolgimento” può includere partecipazione, consegna dei compiti e attenzione dichiarata.

Non confondere item e variabile

Un item è una singola domanda o affermazione del questionario. Una variabile può essere composta da uno o più item, oppure da un dato registrato.

Se chiedi “Quanto sei soddisfatto del corso da 1 a 5?”, quell’item può diventare una variabile singola. Se invece usi dieci item su diversi aspetti della soddisfazione, potresti calcolare un punteggio medio o totale. Devi specificare questa scelta prima dell’analisi, non dopo aver visto i dati.

Questa distinzione conta anche nella costruzione del dataset. Ogni colonna del dataset rappresenta una variabile o un item; ogni riga rappresenta un caso. Se non pianifichi la struttura, potresti ritrovarti con risposte difficili da codificare.

Dal costrutto alla tabella delle variabili

Una tabella delle variabili aiuta a rendere leggibile il progetto. Può includere nome della variabile, ruolo, definizione operativa, indicatore, strumento, scala e analisi prevista.

Per esempio:

Variabile	Ruolo	Definizione operativa	Scala	Analisi prevista
Uso serale dello smartphone	Indipendente	Minuti medi di utilizzo dopo le 21:00 nei giorni feriali	Quantitativa	Correlazione/regressione
Qualità del sonno	Dipendente	Punteggio totale in una scala di qualità del sonno	Quantitativa	Correlazione/regressione
Anno di corso	Controllo	Anno di iscrizione dichiarato dallo studente	Ordinale	Controllo nel modello
Genere	Controllo	Categoria dichiarata nel questionario	Nominale	Descrittive/confronti

Una tabella simile rende più facile scrivere il capitolo di metodologia e individuare incoerenze prima della raccolta dati.

Quali errori fanno spesso gli studenti quando definiscono e operazionalizzano le variabili?

Gli errori più comuni sono usare concetti troppo vaghi, confondere variabile e domanda del questionario, scegliere indicatori non coerenti con l’ipotesi e ignorare la scala di misurazione. Questi errori non sono solo formali: possono rendere impossibile rispondere alla domanda di ricerca. Correggerli prima della raccolta dati salva tempo e riduce revisioni pesanti.

Errori realistici e correzioni

1. Usare una parola astratta senza misura

   • Esempio dello studente: “Analizzerò se gli studenti performano meglio quando sono motivati”.
   • Correzione: definisci “motivazione” come punteggio a una scala specifica e “performance” come media esami, voto finale o numero di CFU conseguiti. Senza questi dettagli, l’ipotesi non è testabile.

2. Misurare un concetto diverso da quello dichiarato

   • Esempio dello studente: “Studio l’ansia da esame chiedendo quante ore gli studenti studiano”.
   • Correzione: le ore di studio misurano comportamento di studio, non ansia. Per l’ansia servono item o scale su preoccupazione, sintomi percepiti, evitamento o tensione prima dell’esame.

3. Confondere variabile indipendente e dipendente

   • Esempio dello studente: “La soddisfazione dei pazienti influenza la qualità dell’assistenza ricevuta”.
   • Correzione: se la qualità dell’assistenza è valutata come possibile fattore che incide sulla soddisfazione, allora la qualità è predittore e la soddisfazione è esito. Il verso della relazione deve rispecchiare la teoria e i dati disponibili.

4. Creare categorie dopo aver visto le risposte

   • Esempio dello studente: “Dividerò l’età in gruppi dopo la raccolta, quando vedo come vengono i dati”.
   • Correzione: se le categorie sono necessarie, definiscile prima o giustifica chiaramente il criterio. Cambiare categorie in modo opportunistico può alterare i risultati.

5. Usare una scala inadatta all’analisi prevista

   • Esempio dello studente: “Userò sì/no per misurare la soddisfazione e poi farò una correlazione con il voto del servizio”.
   • Correzione: una risposta dicotomica può essere utile, ma limita le analisi. Se ti serve una misura graduata, usa più livelli o un punteggio composto coerente con il test previsto.

Il segnale che devi fermarti

Se non riesci a spiegare una variabile in una frase del tipo “la misuro tramite…”, probabilmente non è ancora operazionalizzata. Non è un fallimento: è il momento giusto per tornare alla domanda, alla letteratura e agli strumenti disponibili.

Anche la revisione della letteratura serve a questo. Leggendo studi simili, puoi vedere come altri autori hanno misurato concetti vicini al tuo. Se ti serve organizzare le fonti per trovare misure e indicatori, può essere utile una Mappa di fonti accademiche verificate.

Come controllare la coerenza tra variabili, strumenti e analisi?

Per controllare la coerenza devi verificare che ogni variabile abbia un ruolo chiaro, una misura compatibile con lo strumento e un tipo di dato adatto all’analisi statistica prevista. La coerenza si rompe quando ipotesi, questionario e test statistici parlano linguaggi diversi. Una matrice di controllo riduce questo rischio.

La catena domanda-ipotesi-variabile-analisi

Ogni ricerca quantitativa dovrebbe avere una catena leggibile:

• domanda di ricerca;
• ipotesi o obiettivo quantitativo;
• variabile indipendente;
• variabile dipendente;
• eventuali controlli;
• strumento di raccolta dati;
• scala di misurazione;
• analisi prevista.

Se un anello manca, il progetto si indebolisce. Per esempio, se l’ipotesi parla di “miglioramento”, ma raccogli dati una sola volta, non puoi misurare un cambiamento. Se parli di “effetto”, ma usi un disegno trasversale non sperimentale, dovresti formulare la relazione come associazione.

Esempio in ambito educativo

Una tesi triennale in scienze dell’educazione potrebbe studiare la relazione tra frequenza delle attività di tutorato e senso di autoefficacia negli studenti del primo anno.

La variabile indipendente può essere il numero di incontri di tutorato frequentati nel semestre. La variabile dipendente può essere il punteggio medio in una scala di autoefficacia accademica. L’anno di corso non serve se tutti sono al primo anno, ma il corso di laurea o la condizione di studente lavoratore potrebbero essere variabili di controllo.

Qui la coerenza è abbastanza chiara: frequenza misurata come conteggio, autoefficacia come punteggio, analisi di associazione o regressione. Se invece misurassi il tutorato con una domanda aperta e l’autoefficacia con un commento libero, non saresti più in una struttura quantitativa semplice.

Scrivere questa coerenza nel capitolo di metodologia

Nel capitolo di metodologia non basta dire “è stato somministrato un questionario”. Devi spiegare perché quello strumento misura le variabili necessarie. Il lettore deve vedere il collegamento tra teoria, indicatori e analisi.

Una frase efficace può essere: “Le variabili sono state definite a partire dall’ipotesi principale. La partecipazione al tutorato è stata misurata come numero di incontri frequentati, mentre l’autoefficacia accademica è stata misurata tramite punteggio medio su scala Likert; entrambe le misure sono state scelte per consentire un’analisi dell’associazione tra frequenza e percezione di competenza”.

Per strutturare meglio questa parte, puoi confrontare il tuo schema con il Flusso del capitolo di metodologia.

Come verificare le variabili prima di scrivere il capitolo di metodologia?

Prima di scrivere il capitolo di metodologia, verifica che ogni variabile sia definita, misurabile, coerente con la domanda di ricerca e compatibile con l’analisi prevista. Questo controllo va fatto prima della raccolta dati, perché dopo potresti non avere più modo di correggere lo strumento. Una checklist finale ti aiuta a individuare problemi nascosti.

Controllo di fattibilità

Una variabile può essere teoricamente interessante ma poco fattibile. “Rendimento lavorativo reale” in un’azienda può richiedere dati riservati; “aderenza terapeutica effettiva” può richiedere monitoraggio clinico non disponibile; “stress fisiologico” può richiedere strumenti che non hai.

In questi casi puoi scegliere un indicatore più realistico, purché tu lo dichiari. “Stress percepito” non è uguale a “stress fisiologico”, ma può essere una variabile valida se coerente con la domanda. La trasparenza è meglio di una promessa metodologica che non puoi mantenere.

Controllo etico e privacy

Le variabili possono includere dati sensibili: salute, orientamento politico, reddito, diagnosi, farmaci, esperienze traumatiche. Se lavori con questionari, devi chiederti se ogni dato è davvero necessario.

Per una tesi triennale o magistrale, raccogli solo informazioni utili alla domanda di ricerca e formula le domande in modo rispettoso. Se un dato non verrà usato nell’analisi, probabilmente non dovrebbe essere raccolto. La definizione delle variabili riguarda anche la responsabilità verso i partecipanti.

Prima di procedere: checklist per definire e operazionalizzare le variabili

• Ho scritto una definizione concettuale per ogni variabile principale.
• Ho scritto una definizione operativa per ogni variabile principale.
• Ogni variabile è collegata a una domanda di ricerca, un obiettivo o un’ipotesi.
• Ho distinto variabile indipendente, dipendente ed eventuali controlli.
• Ho indicato indicatori osservabili, strumento di misura e periodo di riferimento.
• Ho chiarito se la variabile è nominale, ordinale o quantitativa.
• Gli item del questionario corrispondono davvero alle variabili dichiarate.
• La scala di misurazione è compatibile con l’analisi statistica prevista.
• Ho evitato categorie create in modo arbitrario dopo la raccolta dati.
• Ho controllato se sto raccogliendo dati sensibili non necessari.
• Posso spiegare ogni variabile con la frase: “La misuro tramite…”.

Link interni consigliati

(Metadati del sistema di compilazione — non rimuovere questa sezione)

• Dal tema ampio alla domanda di ricerca
• Schema visuale di obiettivi e ipotesi di ricerca
• Relazione tra variabile indipendente e dipendente
• Schema visivo per progettare un questionario di ricerca
• Flusso del capitolo di metodologia