Università degli Studi di Roma “La Sapienza” - Padis
Università degli Studi di Roma “La Sapienza” - Padis
Università degli Studi di Roma “La Sapienza” - Padis
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
L’in<strong>di</strong>ce, dunque, più comunemente usato per l’accordo è il kappa <strong>di</strong> Cohen (1960), il quale<br />
tiene conto della probabilità <strong>di</strong> accordo dovuta al caso. Il kappa è un in<strong>di</strong>ce che caratterizza<br />
l’accordo tra le applicazioni <strong>di</strong> uno schema <strong>di</strong> co<strong>di</strong>fica da parte <strong>di</strong> due osservatori. Varia da 0<br />
(nessun accordo) a 1 (accordo perfetto). L’espressione con cui viene calcolato K è:<br />
K = (Pobs – Pexp) / (1 – Pexp)<br />
nella quale Pobs è la proporzione <strong>di</strong> accordo realmente osservata e Pexp è la proporzione <strong>di</strong><br />
accordo dovuta al caso. La probabilità <strong>di</strong> accordo per caso si ricava dalla probabilità <strong>di</strong><br />
occorrenza congiunta <strong>di</strong> due eventi in<strong>di</strong>pendenti, che è data dal prodotto delle probabilità<br />
semplici. In sostanza K esprime la proporzione <strong>di</strong> varianza vera rispetto a quella totale,<br />
correggendo per il caso. Questo in<strong>di</strong>ce è particolarmente adatto quando si vogliono confrontare<br />
tra loro le rilevazioni effettuate da due osservatori utilizzando uno schema <strong>di</strong> co<strong>di</strong>fica<br />
multicategoriale.<br />
Per l’accordo tra osservatori la pura significatività (K = 1) è quasi sempre uno standard<br />
troppo alto; bisogna, piuttosto, fare riferimento alla grandezza assoluta. Una volta ottenuto il<br />
valore <strong>di</strong> K, secondo Fleiss (1981) si considera un K tra .40 e .60 come me<strong>di</strong>o, tra .60 e .75 buono<br />
e superiore a .75 eccellente, mentre Bakeman e Gottman (1997) suggeriscono la regola <strong>di</strong><br />
considerare un valore <strong>di</strong> K < .75 in qualche modo problematico.<br />
Poiché la presenza <strong>di</strong> accordo non in<strong>di</strong>ca necessariamente atten<strong>di</strong>bilità, oltre ai calcoli del<br />
kappa è possibile approfon<strong>di</strong>re le analisi delle misure sull’atten<strong>di</strong>bilità, analizzando più<br />
formalmente l’atten<strong>di</strong>bilità delle misure riassuntive. Un approccio standard è quello basato sulla<br />
teoria della generalizzabilità (Cronbach, et al., 1972).<br />
Diversi approcci alla stima dell’atten<strong>di</strong>bilità inter-osservatori con<strong>di</strong>vidono il comune <strong>di</strong>fetto<br />
<strong>di</strong> produrre un solo in<strong>di</strong>ce, ignorando così la molteplicità delle potenziali fonti <strong>di</strong> errore delle<br />
misure dell’osservazione (Pedhazur e Schmelkin, 1991), come ad esempio l’errore sistematico.<br />
Spesso i dati osservati, essendo troppo numerosi, vengono presentati in maniera ridotta con<br />
statistiche riassuntive. Di conseguenza i meto<strong>di</strong> che valutano l’atten<strong>di</strong>bilità delle misure<br />
riassuntive, le quali sono gli in<strong>di</strong>ci utilizzati <strong>di</strong> fatto nella ricerca, sono la base migliore per<br />
valutare l’accuratezza delle misure.<br />
La teoria della generalizzabilità può essere intesa come un’estensione e un miglioramento<br />
del modello dell’errore casuale (Ercolani, Perugini, 1997). Mentre nella teoria classica c’è un<br />
unico errore in<strong>di</strong>fferenziato, per la teoria della generalizzabilità ci sono tanti errori quante sono le<br />
sfaccettature (facets) implicate nell’operazione specifica <strong>di</strong> misurazione; nel caso della ricerca<br />
osservativa, queste <strong>di</strong>mensioni (facets) sono gli osservatori. La variabilità complessiva <strong>di</strong> un<br />
punteggio viene pertanto scomposta in tante fonti <strong>di</strong>stinte quanti sono i fattori implicati.<br />
Riprendendo la formula <strong>di</strong> base della teoria classica, Xt = X∞ + Xe, considerando per<br />
esempio tre sfaccettature A, B e C, possiamo riscrivere la formula come:<br />
Xt= VA + VB +VC + Xe<br />
Non c’è un solo punteggio vero, ma tanti punteggi veri quante sono le sfaccettature. La<br />
porzione <strong>di</strong> errore perciò sarà minore della porzione <strong>di</strong> errore che si ottiene con il modello<br />
classico, perché le altre porzioni <strong>di</strong> punteggio vero in parte sono una sud<strong>di</strong>visione del punteggio<br />
vero, in parte catturano l’errore del modello classico.<br />
E’ stato <strong>di</strong>mostrato (Pedhazur, Schmelkin, 1991) che la teoria della generalizzabilità, con la<br />
sua capacità <strong>di</strong> <strong>di</strong>stinguere tra le <strong>di</strong>fferenti fonti <strong>di</strong> variabilità (per esempio osservatori, soggetti,<br />
occasioni) è altamente appropriata per stimare l’atten<strong>di</strong>bilità interosservatori; per quanto riguarda<br />
l’atten<strong>di</strong>bilità <strong>di</strong> un sistema <strong>di</strong> categorie, l’analisi <strong>di</strong> generalizzabilità sulle misure riassuntive<br />
32