Il prefisso quasi significa “somigliante”. Pertanto la ricerca quasi sperimentale è una ricerca che assomiglia alla ricerca sperimentale ma non è una vera ricerca sperimentale. Sebbene la variabile indipendente sia manipolata, i partecipanti non vengono assegnati in modo casuale a condizioni o ordini di condizioni (Cook & Campbell, 1979) .Poiché la variabile indipendente viene manipolata prima che la variabile dipendente venga misurata, la ricerca quasi sperimentale elimina il problema della direzionalità. Ma poiché i partecipanti non sono assegnati in modo casuale, il che rende probabile che ci siano altre differenze tra le condizioni, la ricerca quasi sperimentale non elimina il problema delle variabili confondenti. In termini di validità interna, quindi, i quasi-esperimenti sono generalmente da qualche parte tra studi di correlazione ed esperimenti veri.

I quasi-esperimenti hanno più probabilità di essere condotti in contesti sul campo in la cui assegnazione casuale è difficile o impossibile e sono spesso condotti per valutare l’efficacia di un trattamento – pe forse un tipo di psicoterapia o un intervento educativo. Esistono molti tipi diversi di quasi-esperimenti, ma qui discuteremo solo alcuni dei più comuni.

Ricorda che quando i partecipanti a un esperimento tra soggetti vengono assegnati in modo casuale alle condizioni, i gruppi risultanti sono probabilmente abbastanza simili. In effetti, i ricercatori li considerano equivalenti. Quando i partecipanti non vengono assegnati in modo casuale alle condizioni, tuttavia, è probabile che i gruppi risultanti siano in qualche modo dissimili. Per questo motivo, i ricercatori li considerano non equivalenti. Un progetto di gruppi non equivalenti, quindi, è un progetto tra soggetti in cui i partecipanti non sono stati assegnati in modo casuale a condizioni.

Immagina, ad esempio, un ricercatore che voglia valutare un nuovo metodo di insegnamento delle frazioni a terzi selezionatori. Un modo sarebbe condurre uno studio con un gruppo di trattamento composto da una classe di studenti di terza elementare e un gruppo di controllo composto da un’altra classe di studenti di terza elementare. Questo progetto sarebbe un progetto di gruppi non equivalenti perché gli studenti non vengono assegnati in modo casuale alle classi dal ricercatore, il che significa che potrebbero esserci differenze importanti tra loro. Ad esempio, i genitori di studenti con risultati migliori o più motivati avrebbero potuto essere più propensi a richiedere che i loro figli fossero assegnati alla classe della signora Williams. Oppure il preside potrebbe aver assegnato i “piantagrane” alla classe del signor Jones perché è un disciplinare più forte. Naturalmente, gli stili degli insegnanti, e anche l’ambiente della classe, potrebbero essere molto diversi e potrebbero causare diversi livelli di rendimento o motivazione tra Se alla fine dello studio ci fosse una differenza nella conoscenza delle frazioni delle due classi, potrebbe essere stata causata dalla differenza tra i metodi di insegnamento, ma potrebbe essere stata causata da una qualsiasi di queste variabili confondenti. / p>

Naturalmente, i ricercatori che utilizzano un progetto di gruppi non equivalenti possono adottare misure per garantire che i loro gruppi siano il più simili possibile. Nel presente esempio, il ricercatore potrebbe provare a selezionare due classi della stessa scuola, dove gli studenti nelle due classi hanno punteggi simili in un test di matematica standardizzato e gli insegnanti sono dello stesso sesso, hanno un’età vicina e stili di insegnamento simili. L’adozione di tali misure aumenterebbe la validità interna dello studio perché eliminerebbe alcune delle più importanti variabili confondenti. Ma senza una vera assegnazione casuale degli studenti alle condizioni, rimane la possibilità di altre importanti variabili confondenti che il ricercatore non è stato in grado di controllare.

Progettazione pre-test post-test

In un pre-test -progettazione posttest, la variabile dipendente viene misurata una volta prima dell’implementazione del trattamento e una volta dopo l’implementazione. Immagina, ad esempio, un ricercatore interessato all’efficacia di un programma di educazione antidroga sull’atteggiamento degli studenti delle scuole elementari nei confronti delle droghe illegali. Il ricercatore potrebbe misurare gli atteggiamenti degli studenti di una particolare scuola elementare durante una settimana, implementare il programma antidroga durante la settimana successiva e, infine, misurare nuovamente i loro atteggiamenti la settimana successiva. Il disegno pre-test post-test è molto simile a un esperimento all’interno dei soggetti in cui ogni partecipante viene testato prima sotto la condizione di controllo e poi sotto la condizione di trattamento.È diverso da un esperimento all’interno dei soggetti, tuttavia, in quanto l’ordine delle condizioni non è controbilanciato perché in genere non è possibile per un partecipante essere testato prima nella condizione di trattamento e poi in una condizione di controllo “non trattata”.

Se il punteggio medio post-test è migliore del punteggio medio pre-test, ha senso concludere che il trattamento potrebbe essere responsabile del miglioramento. Sfortunatamente, spesso non si può concludere questo con un alto grado di certezza perché potrebbe esserci altre spiegazioni sul motivo per cui i punteggi post-test sono migliori. Una categoria di spiegazioni alternative va sotto il nome di storia. Altre cose potrebbero essere accadute tra il pre-test e il post-test. Forse un programma antidroga è andato in onda in televisione e molti studenti lo hanno guardato, oppure forse una celebrità è morta per overdose di droga e molti studenti ne hanno sentito parlare. Un’altra categoria di spiegazioni alternative va sotto il nome di maturazione. I partecipanti potrebbero sono cambiati tra il pre-test e il post-test in modi che avrebbero comunque fatto perché stanno crescendo e imparando. Se fosse un programma della durata di un anno, i partecipanti potrebbero diventare meno impulsivi o ragionatori migliori e questo potrebbe essere responsabile del cambiamento.

Un’altra spiegazione alternativa per un cambiamento nella variabile dipendente in un disegno pre-post-test è la regressione a la media. Ciò si riferisce al fatto statistico che un individuo che in un’occasione ha ottenuto un punteggio estremamente alto su una variabile tenderà a ottenere un punteggio inferiore in un’occasione successiva. Ad esempio, un giocatore di bocce con una media a lungo termine di 150 che improvvisamente lancia un 220 otterrà quasi certamente un punteggio inferiore nella partita successiva. Il suo punteggio “regredirà” verso il suo punteggio medio di 150. La regressione alla media può essere un problema quando i partecipanti vengono selezionati per ulteriori studi a causa dei loro punteggi estremi. Immagina, ad esempio, che solo gli studenti che hanno ottenuto punteggi particolarmente bassi in un test di le frazioni ricevono un programma di formazione speciale e quindi sono nuovamente testate. La regressione alla media garantisce che i loro punteggi saranno più alti anche se il programma di formazione non ha alcun effetto. Un concetto strettamente correlato – ed estremamente importante nella ricerca psicologica – è la remissione spontanea . Questa è la tendenza di molti problemi medici e psicologici a migliorare nel tempo senza alcuna forma di trattamento. Il comune raffreddore è un buon esempio. Se si misurasse la gravità dei sintomi in 100 comuni malati di raffreddore oggi, dare loro una ciotola di zuppa di pollo ogni giorno, e quindi misurare nuovamente la gravità dei sintomi in una settimana, probabilmente sarebbero molto migliorati. Ciò non significa che il brodo di pollo fosse responsabile del miglioramento, tuttavia ver, perché sarebbero stati molto migliorati senza alcun trattamento. Lo stesso vale per molti problemi psicologici. Un gruppo di persone gravemente depresse oggi rischia di essere meno depresso in media in 6 mesi. Nel rivedere i risultati di diversi studi sui trattamenti per la depressione, i ricercatori Michael Posternak e Ivan Miller hanno scoperto che i partecipanti alle condizioni di controllo della lista di attesa miglioravano in media dal 10 al 15% prima di ricevere qualsiasi trattamento (Posternak & Miller, 2001). Quindi si deve generalmente essere molto cauti nell’inferire la causalità dai disegni pre-post-test.

Fortunatamente, molti altri ricercatori accettarono la sfida di Eysenck e nel 1980 furono condotti centinaia di esperimenti in cui i partecipanti furono assegnati in modo casuale a condizioni di trattamento e controllo, e i risultati sono stati riassunti in un libro classico di Mary Lee Smith, Gene Glass e Thomas Miller (Smith, Glass, & Miller, 1980). Hanno scoperto che la psicoterapia generale era piuttosto efficace, con circa l’80% dei partecipanti al trattamento ha migliorato più del partecipante medio di controllo La ricerca successiva si è concentrata maggiormente sulle condizioni in cui i diversi tipi di psicoterapia sono più o meno efficaci.

Progettazione di serie temporali interrotte

Una variante del progetto pre-test-post-test è la progettazione di serie temporali interrotte. Una serie temporale è un insieme di misurazioni effettuate a intervalli in un periodo di tempo. Ad esempio, un’azienda manifatturiera potrebbe misurare la produttività dei suoi lavoratori ogni settimana per un anno. In un progetto di serie temporali interrotte, una serie temporale come questa viene “interrotta” da un trattamento. In un esempio classico, il trattamento era la riduzione dei turni di lavoro in una fabbrica da 10 ore a 8 ore (Cook & Campbell, 1979). Poiché la produttività è aumentata piuttosto rapidamente dopo la riduzione dei turni di lavoro e poiché è rimasta elevata per molti mesi in seguito, il ricercatore ha concluso che l’accorciamento dei turni ha causato l’aumento produttività. Si noti che il progetto della serie temporale interrotta è come un progetto pre-test-post-test in quanto include misurazioni della variabile dipendente sia prima che dopo il trattamento. È diverso dal progetto pre-test-post-test, tuttavia, in quanto include più pre-test e misurazioni posttest.

La Figura 7.3 mostra i dati di un ipotetico studio di serie temporali interrotte. La variabile dipendente è il numero di assenze di studenti a settimana in un corso di metodi di ricerca. Il trattamento è che il l’istruttore inizia pubblicamente a prendere la frequenza ogni giorno in modo che gli studenti sappiano che l’istruttore è a conoscenza di chi è presente e chi è assente. Il pannello superiore della Figura 7.3 mostra come potrebbero apparire i dati se questo trattamento funzionasse. Vi è un numero costantemente elevato di assenze prima del trattamento e vi è un calo immediato e sostenuto delle assenze dopo il trattamento. Il pannello inferiore della Figura 7.3 mostra come potrebbero apparire i dati se questo trattamento non funzionasse. In media, il numero di assenze dopo il trattamento è all’incirca uguale al numero precedente. Questa figura illustra anche un vantaggio della progettazione di serie temporali interrotta rispetto a una progettazione più semplice prima del test dopo il test. Se ci fosse stata solo una misurazione delle assenze prima del trattamento alla settimana 7 e una dopo alla settimana 8, allora sarebbe sembrato che il trattamento fosse responsabile della riduzione. Le misurazioni multiple sia prima che dopo il trattamento suggeriscono che la riduzione tra le settimane 7 e 8 non è altro che la normale variazione di settimana in settimana.

Combination Designs

Un tipo di design quasi sperimentale che è generalmente migliore del design dei gruppi non equivalenti o del pre-test-post-test il design è quello che combina elementi di entrambi. C’è un gruppo di trattamento che riceve un pre-test, riceve un trattamento e poi riceve un post-test. Ma allo stesso tempo c’è un gruppo di controllo a cui viene somministrato un test preliminare, non riceve il trattamento e quindi viene sottoposto a un test successivo. La domanda, quindi, non è semplicemente se i partecipanti che ricevono il trattamento migliorano, ma se migliorano più dei partecipanti che non ricevono il trattamento.

Immagina, ad esempio, che agli studenti di una scuola venga fatto un pretest sui loro atteggiamenti nei confronti dei farmaci, poi vengono esposti a un programma antidroga e, infine, ricevono un post-test. Agli studenti di una scuola simile viene fornito il test preliminare, non vengono esposti a un programma antidroga e, infine, viene fornito un posttest. Di nuovo, se gli studenti nella condizione di trattamento diventano più negativi nei confronti dei farmaci, questo cambiamento di atteggiamento potrebbe essere un effetto del trattamento, ma potrebbe anche essere una questione di storia o maturazione. Se è davvero un effetto del trattamento, gli studenti nella condizione di trattamento dovrebbero diventare più negativi degli studenti nella condizione di controllo. Ma se è una questione di storia (ad esempio, notizie di overdose di droga da celebrità) o di maturazione (ad esempio, ragionamento migliorato), è probabile che gli studenti nelle due condizioni mostrino quantità simili di cambiamento. Tuttavia, questo tipo di progettazione non elimina completamente la possibilità di confondere le variabili. Qualcosa potrebbe accadere in una delle scuole ma non nell’altra (ad esempio, un’overdose di droga da parte di uno studente), quindi gli studenti della prima scuola ne sarebbero influenzati mentre gli studenti dell’altra scuola no.

Infine, se i partecipanti a questo tipo di progettazione sono assegnati in modo casuale a condizioni, diventa un vero esperimento piuttosto che un quasi esperimento. In effetti, è il tipo di esperimento che Eysenck richiedeva – e che ora è stato condotto molte volte – per dimostrare l’efficacia della psicoterapia.

Descrizioni delle immagini

Figura 7.3 descrizione dell’immagine: due grafici a linee che rappresentano il numero di assenze settimanali per 14 settimane . Le prime 7 settimane sono senza trattamento e le ultime 7 settimane sono con trattamento. Nel primo grafico a linee, ci sono da 4 a 8 assenze ogni settimana. Dopo il trattamento, le assenze scendono da 0 a 3 ogni settimana, il che suggerisce che il trattamento ha funzionato. Nel secondo grafico a linee, non vi è alcun cambiamento evidente nel numero di assenze a settimana dopo il trattamento, il che suggerisce che il trattamento non ha funzionato.