Che cos’è il bias? [Una guida sul campo per la ricerca scientifica]

La scienza è tutto per arrivare alla verità. La verità degli esseri umani, tuttavia, è forse ancora più sfuggente che in qualsiasi altro campo della scienza. Non deve sorprendere quindi che la ricerca sugli esseri umani sia un’impresa difficile e difficile da realizzare.

Senza un setup sperimentale appropriato e rigorosamente progettato, gli errori possono emergere in molteplici modi. Non ultimi tra questi sono i bias nella ricerca, che possono avere un ampio impatto, e senza preparazione, sono difficili da fermare. Tali fattori di distorsione possono essere prodotti del tutto senza intenzione, ma possono alla fine danneggiare l’affidabilità (e la credibilità) della ricerca se non sono adeguatamente controllati.

Ci sono diversi aspetti e trabocchetti all’interno della ricerca che possono produrre questi bias errati, portando sia i partecipanti, sia i ricercatori fuori strada, e avendo a che fare con dati che non riflettono veramente i pensieri e i comportamenti testati.

I pregiudizi all’interno della ricerca sono molto diffusi, ma spesso possono essere superati con buoni controlli metodologici, e scegliendo l’attrezzatura più adatta a produrre le giuste risposte. Di seguito esamineremo alcuni dei più comuni pregiudizi che affliggono la ricerca, e forniremo percorsi per evitarli. Con questi in mente, potrai guidare la tua ricerca verso scoperte sempre più grandi.

Contenuto:
Participant Bias
Selection Bias
Researcher Bias

Tre Bias che possono influenzare la ricerca

1. Participant Bias

Uno dei bias centrali che possono ostacolare e influenzare negativamente la ricerca è quello del participant bias. Questo è stato spesso descritto come il partecipante che reagisce puramente a ciò che pensa che il ricercatore desideri, ma questo può avvenire anche per ragioni meno ovvie.

Il bias di desiderabilità sociale ne è un esempio. I partecipanti possono avere nozioni preconcette su ciò che è una risposta o un comportamento accettabile, e quindi adatteranno le loro risposte in modo che corrispondano a questo – consciamente o inconsciamente.

Questa reazione è particolarmente probabile con gli esperimenti che riguardano argomenti sensibili (come il reddito personale, o la religione per esempio) e finirà per distorcere i risultati in qualcosa che non è vero.

I partecipanti possono anche acconsentire a tutto, o rispondere negativamente alle domande (noto anche come “yea-saying” o “nay-saying”). Questo può accadere a causa della stanchezza, della noia, o anche dei tentativi intenzionali di disturbare la ricerca.

Quindi questi sono alcuni dei problemi che possono verificarsi con i bias dei partecipanti, ma quali sono le soluzioni? Prendere precauzioni con il disegno sperimentale può aiutare molto, e avere gli strumenti giusti può aiutare ancora di più.

OK – avrete bisogno di più del nastro adesivo per correggere i bias di ricerca (e anche più dei Post-It notes).

Nel caso dei bias di desiderabilità sociale, è importante informare il partecipante sul suo anonimato (e garantire anche quello). Per i “sì / no”, è importante motivare adeguatamente il partecipante – o con una remunerazione, o con pause sufficienti per garantire che non si affatichino. Come ultimo controllo, può essere d’aiuto anche la verifica di eventuali outlier nei dati.

Guarda: Cos’è il Participant Bias? (E come sconfiggerlo)

Inoltre, le misurazioni psicofisiologiche possono aiutare a vedere attraverso le risposte o i comportamenti potenzialmente fuorvianti, e fornire un quadro più chiaro di ciò che sta realmente accadendo. I biosensori permettono di misurare la risposta di un partecipante, senza che questa venga filtrata coscientemente.

Possono anche fornire dati senza alcuno sforzo reale da parte dei partecipanti. Per esempio, misurare l’attenzione di un partecipante è facilmente completabile con l’eye tracking, e non richiede energia extra da parte loro. Questo rende molto più facile mantenere il partecipante impegnato nello studio.

È anche possibile registrare lo stato emotivo di un partecipante – la sua valenza – attraverso l’analisi automatica delle espressioni facciali, e combinarlo con le registrazioni del suo eccitamento fisiologico (come attraverso le registrazioni della risposta galvanica della pelle), mentre completa un esperimento. La combinazione di questi metodi fornisce un interrogatorio completo dello stato mentale di un partecipante, senza aggiungere alcuno sforzo mentale.

Top of page

Il partecipante perfetto – impegnato. Molto impegnato. (Forse anche un po’ spaventato).

2. Selection Bias

Prima che i partecipanti completino l’esperimento, devono essere selezionati, ed è qui che entra in gioco il selection bias. Questo può essere definito come un errore sperimentale che si verifica quando il pool di partecipanti, o i dati successivi, non è rappresentativo della popolazione target.

Questo può accadere per diversi motivi, alcuni dei quali sono più evitabili di altri. Per esempio, i partecipanti stessi possono essere auto-selezionati – in particolare quando lo studio è su base volontaria – e certi tipi di personalità possono essere più prevalenti in quella popolazione.

Non avere abbastanza partecipanti, o selezionare i dati risultanti in modo errato sono anche esempi di aspetti metodologici che alla fine portano all’esame di un pool di partecipanti errato.

Impara di più: Cos’è il Selection Bias? (And How to Defeat it)

Questi fattori di distorsione possono essere corretti in diversi modi. Prevenire la distorsione di un gruppo di partecipanti che si autoseleziona può essere affrontato avendo più canali o percorsi aperti per i partecipanti per accedere allo studio. L’ideale sarebbe attingere da un gruppo di campioni misti, di partecipanti auto-selezionati o selezionati (per esempio, con studenti universitari che completano lo studio per i crediti del corso e volontari).

Oltre a questo, avere un grande gruppo di partecipanti aiuta sempre (anche se questo potrebbe non essere sempre possibile), mentre essere trasparenti sulle fonti dei dati aiuta anche la credibilità di uno studio.

Anche le misurazioni psicofisiologiche possono aiutare l’affidabilità dei risultati dei partecipanti, in quanto sono facilmente combinabili come registrazioni multiple, in cui può avvenire una convalida incrociata delle fonti di dati. La combinazione di una vasta gamma di metriche significa che i valori anomali dovrebbero essere molto più facili da individuare.

Un outlier nei tuoi dati probabilmente non è così facile da individuare, ma combinando le metriche ci si avvicina.

Top of page

3. Biasimo del ricercatore

. Bias dei ricercatori

C’è anche l’effetto spesso trascurato, e purtroppo troppo frequente, del bias dei ricercatori, in cui gli scienziati stessi ingannano le ricerche che conducono, spesso involontariamente ma a volte intenzionalmente.

I ricercatori possono essere implicitamente prevenuti a favore di un certo risultato, e anche una fastidiosa raccolta dati può portare in quella direzione, anche se falsa. Possono anche influenzare i partecipanti semplicemente essendo presenti – trascurare gli altri può avere effetti piuttosto drastici (noto come Effetto Hawthorne), e cambiare i comportamenti in modi non rappresentativi.

Guarda: Cos’è il Bias del ricercatore? (And How to Defeat it)

Per aggirare questo problema si potrebbe completare la ricerca come uno studio in doppio cieco – in cui i partecipanti, e le persone che effettuano la raccolta dei dati, non sanno quale sia il gruppo sperimentale. Questo riduce un grande grado di bias che potrebbe altrimenti verificarsi, e nonostante aggiunga una grande quantità di affidabilità a un’impostazione sperimentale, potrebbe essere troppo laborioso o costoso da realizzare.

Un esempio di impostazione in doppio cieco. Il ricercatore 1 divide i gruppi, mentre il ricercatore 2 esegue l’esperimento con i gruppi, senza sapere quali sono. I dati vengono poi consegnati al ricercatore 1, che saprà a quale gruppo appartengono solo dopo l’analisi.

L’utilizzo di piattaforme predefinite per creare un piano sperimentale, e per far rispettare le condizioni al suo interno, garantisce un livello di coerenza e affidabilità che altrimenti è difficile da costruire. Implementando (e registrando da) le diverse condizioni sperimentali con un approccio standardizzato, tutto può essere reso coerente, il che riduce la possibilità che si verifichino interferenze potenzialmente confondenti.

Usare software come iMotions in questo modo aiuta anche i ricercatori a spendere meno tempo nel dover dirigere i partecipanti attraverso lo studio. Questo permette di dedicare più tempo alla metodologia, all’interpretazione dei dati e alla pubblicazione dei risultati.

Ti permette anche di dedicare più tempo a rendere i tuoi dati interessanti.

Inizio pagina

Conclusione

Le misurazioni psicofisiologiche permettono in definitiva ai ricercatori di scrutare più a fondo la mente dei partecipanti e i loro stati fisiologici sottostanti, il che dà accesso a risposte e sentimenti non filtrati. Le registrazioni di tali biosensori possono dipingere un quadro molto più onesto di ciò che una persona sta pensando, e perché si sta comportando in un certo modo.

L’utilizzo di biosensori in combinazione permette sia una convalida incrociata che una maggiore profondità dei risultati, aumentando la validità dei risultati, e quindi la forza dell’esperimento. Questo è sia più facile che meno dispendioso in termini di tempo, in iMotions.

Con questo in mente, è più semplice sia aggiungere più fonti di dati a uno studio, sia utilizzare il tempo in modo più efficace, il che significa che ottenere risultati imparziali – e scoperte incredibili – è più facile che mai.

Guarda: Lo studio del comportamento umano: Misurare, analizzare e capire

I pregiudizi sono fin troppo diffusi nella ricerca, e spero che questo articolo ti aiuti a raggiungere risultati più obiettivi, affidabili e riproducibili. Se vuoi saperne di più sui bias, dai un’occhiata ai nostri articoli precedenti che trattano in dettaglio i bias dei partecipanti, i bias di selezione e i bias dei ricercatori. E se stai cercando ancora più consigli e suggerimenti per la ricerca, dai un’occhiata alla nostra guida completa al disegno sperimentale. È gratuita e fantastica, una combinazione perfetta.

In cima alla pagina