Al termine del capitolo, il lettore sarà in grado di: · descrivere le fonti di dati in ambito educativo; · descrivere le principali procedure di data screening; · descrivere principi e finalità della data visualization; · definire l’analisi multivariata; · elencare le fasi di realizzazione di un’analisi multivariata; · classificare le tecniche di analisi multivariata.
2.1 - Dati, variabili, tecniche di rilevazione e campionamento
I dati su cui si può lavorare utilizzando metodi statistici sono i più diversi. O meglio i contesti e i temi di indagine sono diversi ma i dati hanno sempre le stesse caratteristiche. Nei procedimenti di calcolo lavoriamo su numeri e valori da descrivere e mettere in relazione. Ciò che “adegua” l’uso dei metodi alla disciplina (in questo caso il settore educativo) è la scelta dei fenomeni da osservare e, a monte, delle ipotesi e degli obiettivi di ricerca.
In ricerche tese a descrivere e confrontare enti formali e non formali che si occupano di formazione, collezioneremo dati che fanno riferimento alle strutture e alla loro organizzazione, raccogliendo informazioni che hanno a che vedere con i numeri di membri, le caratteristiche anagra3che degli operatori intesi come educatori e insegnanti, le statistiche legate alle disabilità e così via.
Riferendoci invece ai processi di apprendimento, possiamo studiare comportamenti e rilevare dati personali, conoscenze, abilità, opinioni, stili e modi di fare dei soggetti.
Come già detto nel primo capitolo, negli ambienti digitali siamo in grado di rilevare le azioni dei soggetti collezionando big data di cui sono un esempio i log di navigazione in una piattaforma didattica (Figura 2.1). In essi è registrato ogni click dell’utente insieme agli altri utenti coinvolti, all’ora e all’ambiente in cui l’attività si è svolta.
