<\/p>\n
Il bias dell’osservatore<\/strong> si verifica nella ricerca quando le convinzioni o le aspettative di un osservatore (o di un ricercatore) possono influenzare i dati raccolti in uno studio.<\/span><\/p>\n Ci\u00f2 rende i risultati di uno studio inaffidabili e difficili da replicare in altri contesti di ricerca.<\/span><\/p>\n In questo articolo condividiamo due famosi esempi di distorsione dell\u2019osservatore e una strategia che pu\u00f2 essere utilizzata per ridurre al minimo questo tipo di distorsione nella pratica.<\/span><\/p>\n Agli inizi del 1900, c’era un cavallo chiamato Clever Hans<\/a> , rinomato per le sue ottime capacit\u00e0 aritmetiche.<\/span><\/p>\n Il proprietario, Wilhelm Von Olson, poneva a Clever Hans varie domande riguardanti addizioni, sottrazioni, moltiplicazioni e altre operazioni aritmetiche e Clever Hans forniva una risposta picchiettando pi\u00f9 volte lo zoccolo.<\/span><\/p>\n Stupito da ci\u00f2, lo psicologo Oskar Pfungst ha indagato la situazione e ha scoperto che Clever Hans poteva fornire la risposta corretta solo se il proprietario conosceva effettivamente la risposta corretta alla domanda.<\/span><\/p>\n Si scopre che quando Clever Hans si \u00e8 avvicinato al numero corretto di tocchi da eseguire, il proprietario Wilhelm Von Olson ha iniziato a reagire in un certo modo, segnalando che Hans avrebbe dovuto smettere di battere.<\/span><\/p>\n Senza rendersene conto, il proprietario stava dando ad Hans sottili suggerimenti sul numero corretto di colpi da eseguire. Ma poich\u00e9 il proprietario stesso non conosceva la risposta alle domande che poneva, Hans non \u00e8 stato in grado di dare la risposta corretta perch\u00e9 il proprietario non ha dato alcun suggerimento su quando smettere di scrivere.<\/span><\/p>\n Questo \u00e8 un esempio di distorsione dell’osservatore perch\u00e9 le aspettative del proprietario hanno portato Clever Hans ad agire in un certo modo, producendo dati errati.<\/span><\/p>\n Nel 1963, lo psicologo Robert Rosenthal chiese a due gruppi di studenti di testare i ratti. I ratti sono stati classificati come \u201cbrillanti\u201d o \u201copachi\u201d nella loro capacit\u00e0 di completare labirinti, anche se in realt\u00e0 erano tutti lo stesso tipo di ratto da laboratorio standard.<\/span><\/p>\n I risultati dello studio hanno mostrato che gli studenti che pensavano di maneggiare ratti “lucenti” si comportavano in un certo modo per garantire ai ratti maggiori possibilit\u00e0 di completare il labirinto, mentre gli studenti che pensavano di maneggiare ratti “lucenti” ratti “noiosi” si \u00e8 comportato in modo pi\u00f9 preciso. modi che riducevano le possibilit\u00e0 dei ratti di completare i labirinti.<\/span><\/p>\n Questo \u00e8 un esempio di pregiudizio dell’osservatore, poich\u00e9 risulta che le aspettative degli studenti hanno influenzato le prestazioni di diversi gruppi di ratti.<\/span><\/p>\n Il modo pi\u00f9 semplice per ridurre al minimo i pregiudizi dell\u2019osservatore \u00e8 garantire che l\u2019osservatore non abbia aspettative sui soggetti per i quali sta raccogliendo dati.<\/span><\/p>\n In termini tecnici, diciamo che gli osservatori dovrebbero essere ciechi<\/strong> rispetto alle capacit\u00e0 dei soggetti o ai risultati attesi dai soggetti.<\/span><\/p>\n Ad esempio, la persona che fa domande di aritmetica a Clever Hans non dovrebbe conoscere la risposta alla domanda che sta facendo. Ci\u00f2 impedir\u00e0 loro di fornire ad Hans indizi sottili sulla risposta corretta.<\/span><\/p>\n Oppure, nell\u2019esempio del ratto, gli studenti non dovrebbero sapere quale \u201ctipo\u201d di ratto stanno maneggiando. Invece, si dovrebbe semplicemente dire loro di testare i ratti nel labirinto e non si dovrebbe fare alcuna distinzione in base al fatto che stiano maneggiando o meno ratti “brillanti” o “noiosi”.<\/span><\/p>\n I seguenti articoli forniscono spiegazioni di altri tipi di pregiudizi che possono verificarsi nella ricerca:<\/span><\/p>\n Cos\u2019\u00e8 il pregiudizio SEO?<\/a> Il bias dell’osservatore si verifica nella ricerca quando le convinzioni o le aspettative di un osservatore (o di un ricercatore) possono influenzare i dati raccolti in uno studio. Ci\u00f2 rende i risultati di uno studio inaffidabili e difficili da replicare in altri contesti di ricerca. In questo articolo condividiamo due famosi esempi di distorsione dell\u2019osservatore […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"yoast_head":"\n Esempio 1: Hans intelligente<\/strong><\/span><\/h3>\n
Esempio 2: Ratti intelligenti e fastidiosi<\/strong><\/span><\/h3>\n
Come ridurre al minimo i pregiudizi dell’osservatore<\/strong><\/span><\/h3>\n
Risorse addizionali<\/strong><\/span><\/h3>\n
Cos\u2019\u00e8 il bias di autoselezione?
Che cos’\u00e8 la distorsione da variabili omesse?<\/a>
Che cos’\u00e8 il bias di aggregazione?<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"