Un approccio scientifico
I metodi di ricerca quantitativi sono considerati l’approccio preferito alla ricerca accademica, con rare possibilità di utilizzare metodologie qualitative quando i soggetti della ricerca (più spesso soggetti umani) rifiutano di essere codificati in un solido costrutto analitico. Come il nome implica, la ricerca quantitativa produce numeri che facilitano la misurazione, la valutazione e l’inferenza.
Ipotetico-deduttivo
I sostenitori sostengono che la più grande forza della ricerca quantitativa è il chiaro fondamento nella teoria: le ipotesi sono sviluppate per testare le varianti delle teorie stabilite al fine di perfezionarle sulla base di quelle variabili identificate. Questo non prova le teorie stabilite, ma piuttosto le migliora con ulteriori serie di dati che supportano o si allineano con i risultati originali.
Utilizzando una popolazione campione che può essere molto più grande che per uno studio qualitativo, i dati possono essere raccolti abbastanza velocemente usando strumenti di indagine via e-mail o telefono, e la disponibilità di software statistici permette un’analisi dei dati precisa e accurata. Il potenziale di distorsione della ricerca è limitato al disegno dello studio, al disegno dello strumento di indagine e all’interpretazione dei dati, al contrario del più ampio rischio di distorsione dell’osservatore in uno studio qualitativo.
Il potere predittivo della statistica
Siccome i dati della ricerca quantitativa sono forniti in forma numerica, possiamo applicare test statistici a quei dati per produrre misure descrittive che possono poi essere usate per fare previsioni entro i confini del grado in cui la popolazione campione può essere considerata rappresentativa di una popolazione più ampia. Iniziando con misure descrittive di base come media, modo, mediana e deviazione standard, possiamo stabilire un quadro di dati di base prima di passare a test più inferenziali come t-test, ANOVA e misure multivariate come i calcoli di regressione multipla (MRC).
Il grado in cui i risultati possono poi essere generalizzati in un’inferenza più ampia dipenderà dall’onnipotente p-test che viene usato per determinare la validità statistica dei dati. Se il valore di p è inferiore a 0,05, la possibilità che i dati siano il risultato del caso è inferiore al 5%.
Irriproducibilità e falsi positivi
La capacità di delineare variabili specifiche nello sviluppo di un’ipotesi fornisce alla ricerca quantitativa una riproducibilità intrinseca. Dal momento che stai testando varianti di una teoria stabilita piuttosto che proporre una nuova teoria, i ricercatori che tentano di convalidare il tuo studio con tutti gli stessi protocolli in atto, dovrebbero essere in grado di replicare i tuoi risultati. Quando questo non accade, il protocollo viene esaminato per verificare che corrisponda all’originale, e se ciò è vero, il set di dati originale dovrebbe essere il prossimo sulla lista, assumendo, naturalmente, che gli autori dello studio che si sta tentando di convalidare siano disposti a condividere quei dati.
Se lo studio originale fosse basato su un falso positivo, dove l’analisi dei dati ha generato una significatività statistica per qualcosa che in realtà non c’era, la probabilità di essere in grado di replicare quei risultati sarebbe scarsa o nulla, a meno che non si sia in grado di mappare l’analisi statistica passo per passo.