Psicologia della Comunicazione e del Marketing

FABIO PRESAGHI

2 Obiettivi formativi

2.1 Obiettivi generali


Il corso consente di padroneggiare tecniche di analisi dei dati e le conoscenze statistiche e metodologiche che ne costituiscono le fondamenta. Per ciascuna tecnica si conosceranno i principi e i prerequisiti per la sua applicazione, la teoria statistica sottostante e le modalità di uso. Si imparerà a valutare l’appropriatezza, a eseguire correttamente e a interpretare e comunicare i risultati dell’analisi dei dati.
Il laboratorio professionalizzante, a frequenza obbligatoria, consente l'uso corretto dei programmi come parte integrante delle competenze da acquisire, anche in relazione a figure professionali esterne che ope-rano in enti pubblici o privati.




2.2 Obiettivi specifici


2.2.1 Conoscenza e capacità di comprensione (knowledge and understanding).

Il corso investe sulle competenze acquisite dallo studente relative alla statistica descrittiva e a quella infe-renziale per estendere queste competenze all’ambito dei modelli lineari multivariati. La generalizzazione al contesto multivariato permette allo studente di leggere e comprendere la letteratura scientifica della psico-logia sociale, di progettare ricerche scientifiche in contesti multivariati e di svolgere le relative analisi dei dati descrivendone i risultati usando il linguaggio scientifico adeguato al contesto.




2.2.2 Capacità di applicare conoscenza e comprensione (applying knowledge and under-standing).

Le tecniche di analisi multivariata rappresentano un argomento trasversale a diverse discipline scientifiche che comprendono non solo la psicologia sperimentale (di base e applicata) ma anche altre discipline come la biologia, le neuroscienze, la sociologia l’economia ecc. L’apprendimento delle tecniche di analisi multi-variate permette quindi allo studente di accedere non solo alla letteratura scientifica di riferimento specifica del Marketing e della Comunicazione e più in generale della psicologia sociale, ma permette anche di leggere e comprendere la letteratura scientifica di altre discipline aumentando così la probabilità di proficue contaminazioni tra discipline scientifiche diverse.


2.2.3 Autonomia di giudizio (making judgements).

Il laboratorio di analisi dei dati è organizzato in modo che lo studente possa imparare ad applicare il modello di analisi dei dati discusso nelle lezioni frontali imparando ad usare un software di analisi dei dati e imparando a leggere e verificare la correttezza delle analisi. Inoltre lo studente è costantemente sollecitato a commentare criticamente e a riportare in forma scritta i risultati delle analisi svolte e a valutare la coe-renza dei risultati ottenuti rispetto alle ipotesi di ricerca di partenza. In questo modo lo studente apprende una procedura di analisi dei dati che favorisce l’autonomia di giudizio e aumenta la competenza critica (vantaggi e svantaggi, generalizzabilità dei risultati, validità del disegno di ricerca) dei modelli di analisi dei dati usati rispetto alle ipotesi verificate.



2.2.4 Abilità comunicative (communication skills).

Durante il corso lo studente viene sollecitato all’uso di diversi stili di comunicazione, e in particolare: durante le lezioni frontali vengono presentati i principi e i modelli matematici sottostanti le tecniche di analisi dei dati e quindi in questo caso lo stile di comunicazione stimola lo studente ad usare uno stile formale e accademico (utilizzando la terminologia tecnica richiesta). Durante il laboratorio invece lo studente è solle-citato ad utilizzare diversi stili comunicativi: deve imparare a comunicare ad altre persone che tipo di analisi ha svolto (quindi descrivere il modello usando la terminologia adeguata), deve imparare a riportare e a comunicare i risultati ottenuti seguendo gli standard internazionali delle discipline scientifiche; ed infine deve imparare a commentare i risultati rispetto alle ipotesi iniziali (stabilendo la generalizzabilità dei risultati e la loro validità e attendibilità).




2.2.5 5) Capacità di apprendimento (learning skills).

Al termine del corso lo studente avrà appreso a leggere i risultati di un articolo scientifico, a svolgere le analisi adeguate per verificare le ipotesi di ricerca, a riportare e commentare adeguatamente i risultati ot-tenuti e a comprendere i limiti di tali risultati rispetto alla verifica delle ipotesi di ricerca. Una volta terminato il corso di studi, queste competenze permetteranno allo studente di accedere alla lettura scientifica e alla manualistica di riferimento consentendogli un proficuo e costante aggiornamento. Inoltre lo studente avrà appreso a svolgere le analisi dei dati con un software statistico (SPSS o R) largamente utilizzato in ambito scientifico o professionale che gli permetterà di continuare ad applicare l’analisi dei dati a contesti sia scientifici sia professionali.

Alla fine del corso gli studenti dovrebbero essere autonomi nello svolgimento di analisi dei dati avanzati, nella stesura di un report tecnico scientifico che include la descrizione del metodo, del campione, della procedura, del disegno di ricerca e delle misure considerate, una descrizione dei risultati ottenuti dalle analisi in funzione delle ipotesi di ricerca e le discussioni finali su quali risultati confermano oppure no le ipotesi di ricerca

Statistica descrittiva e Statistica inferenziale

Lezioni frontali (6 cfu, 48 ore):
- Disegni di ricerca: non-, quasi- e veramente sperimentali; minacce alla validità dei disegni di ricerca (8 ore)
- Attendibilità delle misure (4 ore)
- Regressione Lineare Multipla: metodo dei minimi quadrati, indici di fit (R, R2, R2-differenziale), coeff. di regressione grezzi e standardizzati. Effetti diretti ed effetti di interazione (12 ore)
- Analisi della Varianza (ANOVA): between, within e misti. Effetti principali, di interazione, test post-hoc e test degli effetti semplici. Effect size and power of test. (8 ore)
- Analisi Fattoriale Esplorativa: equazione di Thurstone, metodi di estrazione e selezione dei fattori, metodi di rotazione. (8 ore)
- Elementi di Regressione Logistica: statistiche di fit, odds, odds-ratio, coefficienti di regressione (4 ore)
- Elementi di Analisi dei Cluster: tipi di cluster, algoritmi di raggruppamento e relativi indici (misure di distanza, di associazione), metodi di classificazione gerarchici e non gerarchici. (4 ore)

Laboratorio (3 cfu, 36 ore):
- Introduzione al software di analisi dei dati, organizzazione dei dati, screening dati (2 ore)
- Calcolo degli indicatori, attendibilità delle misure (2 ore)
- Esercitazione su: chi-quadro, z-test, t-student, correlazione e rappresentazione grafica dei dati (4 ore)
- Esercitazione: ANOVA fattoriale between, within e misto (12 ore)
- Esercitazione: Regressione multipla lineare (8 ore)
- Esercitazione: Analisi Fattoriale Esplorativa (8 ore)

Per le tecniche di analisi multivariata, si può scegliere uno dei seguenti testi:
- Barbaranelli, C., (2004). Analisi dei dati.
- Gallucci, M., & Leone, L., (2012) Modelli statistici per l'analisi dei dati nelle scienze sociali. Pearson Italia, Milano-Torino.
- Appunti del docente (slide)

Per I disegni di ricerca e la misura in psicologia:
- Ercolani, A.P., & Perugini. M., (1997). La misura in Psicologia (1997). Attendibilità e validità delle misure in psicologia (cap 1; cap 5)
- Ercolani, A.P., Areni, A., Mannetti, L., (2009). La ricerca in psicologia (1990). (cap. 1-2-3)

Per la parte di laboratorio:
- dispense messe a disposizione dal docente

Le lezioni frontali saranno dedicate alla presentazione dei modelli teorici, delle assunzioni alla base dei modelli teorici.
Le lezioni frontali saranno intervallate da lezioni di laboratorio dove lo studente avrà la possibilità di fare pratica con l’uso di uno o più software di analisi dei dati (come SPSS o R). Durante le lezioni di laboratorio gli studenti avranno a disposizione esempi di analisi dei dati simulati da articoli scientifici pubblicati su riviste internazionali e legati alle tematiche di interesse del CdS. L’obiettivo dello studente in questi laboratori è quello di riprodurre con il software le analisi svolte negli articoli scientifici per verificare le stesse ipotesi che gli autori dell’articolo hanno verificato. Dalla lettura dei risultati descritti negli articoli scientifici presentati, lo studente avrà l’occasione di comprendere quali analisi dei dati sono state svolte dagli autori, come svolgere tali analisi con il software, e come riportare i risultati, ed infine come commentare i risultati rispetto alle ipotesi avanzate dagli autori.
I materiali preparati per i laboratori sono messi a disposizione degli studenti.

Le lezioni frontali sono facoltative, ma si consiglia la frequenza.
Le lezioni di laboratorio sono a frequenza obbligatoria

Valutazione con esame scritto, 30 domande con 4 alternative di risposta in 45 minuti; la valutazione del compito è espressa in trentesimi
Valutazione prova pratica: esercizio da svolgere, in un ora, al computer con un software adeguato per l'analisi dei dati, che prevede lo svolgimento di analisi dei dati per la verifica di una serie di ipotesi di ricerca descritte nel compito assegnato. Sulla base dei risultati ottenuti dalle analisi, si richiede di rispondere ad una serie di domande relative ai risultati, la descrizione dei risultati ottenuti, commento dei risultati, scrittura del relativo report scientifico;
Valutazione prova orale: verifica orale, circa 30 minuti, delle competenze acquisite e commento delle analisi svolte durante la prova pratica.

In un ANOVA 3x3, è risultato significativo solo l’effetto principale di un fattore, F(2, 185) = 25.8, p = 0.048. Possiamo concludere che:
a) tutte le medie delle tre condizioni sono significativamente diverse tra loro
b) almeno una coppia di medie riporta una differenza significativa
c) non è necessario condurre i test post-hoc
d) l'effetto non è significativo, e quindi le medie sono tutte uguali

• Disegni di ricerca: non-, quasi- e veramente sperimentali; minacce
  alla validità dei disegni di ricerca [8 ore] 
  • Testi di riferimento: Ercolani,
    
    A.P., Areni, A., Mannetti, L., (2009). La ricerca in psicologia
    
    (2009). (cap. 1-2-3)


• Attendibilità
  e Validità delle misure in psicologia [4 ore]
  • Testi di riferimento: Ercolani,
    
    A.P., & Perugini. M., (1997). La misura in Psicologia (1997).
    
    Attendibilità e validità delle misure in psicologia (cap 1; cap 5) 


• Regressione Lineare Multipla: metodo dei minimi quadrati, indici di fit (R, R2, R2-differenziale), coeff. di regressione grezzi e standardizzati. Effetti diretti ed effetti di interazione [12 ore]
  • Testi di riferimento: - Barbaranelli, C., (2007). Analisi dei dati. [cap. 2]- Gallucci, M., & Leone, L., (2016) Modelli statistici per l'analisi dei dati nelle scienze sociali. Pearson Italia, Milano-Torino. [cap. 2; 3; 5; 7]- Appunti del docente [slide: Effetti indiretti e di moderazione]


• Analisi della Varianza (ANOVA): between, within e misti. Effetti principali, di interazione, test post-hoc e test degli effetti semplici. Effect size and power of test. [8 ore]
  • Testi di riferimento: - Barbaranelli, C., (2007). Analisi dei dati. [cap. 4]- Gallucci, M.,
    
    & Leone, L., (2016) Modelli statistici per l'analisi dei dati nelle
    
    scienze sociali. Pearson Italia, Milano-Torino. [cap. 8; 9]


• Analisi Fattoriale Esplorativa: equazione di Thurstone, metodi di estrazione e selezione dei fattori, metodi di rotazione. (8 ore)
  • Testi di riferimento: - Barbaranelli, C., (2007). Analisi dei dati. [cap. 3]- Gallucci, M.,
    
    & Leone, L., (2016) Modelli statistici per l'analisi dei dati nelle
    
    scienze sociali. Pearson Italia, Milano-Torino. [cap. 13]


• Elementi di Regressione Logistica: statistiche di fit, odds, odds-ratio, coefficienti di regressione (4 ore)
  • Testi di riferimento: - Appunti delle lezioni (slide)


• Elementi di Analisi dei Cluster:  tipi di cluster, algoritmi di raggruppamento e relativi indici (misure di distanza, di associazione), metodi di classificazione gerarchici e non gerarchici. (4 ore)
  • Testi di riferimento: - Barbaranelli, C., (2007). Analisi dei dati. [cap. 6]- Appunti delle lezioni (slide)