Limiti e debolezze dei metodi di ricerca quantitativi

Secondo Saunders et al. (2009), la metodologia di ricerca serve come la spina dorsale di uno studio di ricerca. Lo scopo principale della ricerca quantitativa è la quantificazione dei dati. Permette di generalizzare i risultati misurando i punti di vista e le risposte della popolazione campione. Ogni metodologia di ricerca consiste in due grandi fasi: la pianificazione e l’esecuzione (Younus 2014). Pertanto, è evidente che all’interno di queste due fasi, è probabile che ci siano dei limiti che sfuggono al nostro controllo (Simon 2011).

Rappresentazione impropria della popolazione target

Come menzionato nell’articolo, una rappresentazione impropria della popolazione target potrebbe ostacolare il ricercatore nel raggiungimento dei suoi scopi e obiettivi desiderati. Nonostante l’applicazione di un piano di campionamento appropriato, la rappresentazione dei soggetti dipende dalla distribuzione di probabilità dei dati osservati. Questo può portare a un calcolo errato della distribuzione delle probabilità e portare alla falsità della proposta.

Per esempio, uno studio si propone di verificare la percentuale di donne di età compresa tra 20-30 anni che applicano gamme di trucco di marche internazionali. La popolazione target in questo caso è costituita dalle donne appartenenti alla suddetta fascia d’età, con background professionale e non, residenti a Delhi. La popolazione campionata in base alla distribuzione delle probabilità deve essere calcolata rispetto al totale delle donne residenti in città (ad esempio, 400 campionate su 7.800.615 persone di sesso femminile). Tuttavia, c’è la possibilità di ottenere informazioni parziali sulla gamma di prodotti di trucco dal campione, a causa della sua forma esigua rispetto alla popolazione totale. Quindi, i risultati dello studio non possono essere generalizzati nel contesto di una popolazione più ampia, ma piuttosto essere suggeriti.

Mancanza di risorse per la raccolta dei dati

La metodologia di ricerca quantitativa di solito richiede un grande campione. Tuttavia, a causa della mancanza di risorse, questa ricerca su larga scala diventa impossibile. In molti paesi in via di sviluppo, le parti interessate (ad esempio, organizzazioni governative o non governative, fornitori di servizi pubblici, istituzioni educative, ecc.) possono mancare di conoscenze e soprattutto delle risorse necessarie per condurre una ricerca quantitativa approfondita (Scienza 2001).

Incapacità di controllare l’ambiente

A volte i ricercatori hanno problemi a controllare l’ambiente in cui gli intervistati forniscono le risposte alle domande dell’indagine (Baxter 2008). Le risposte spesso dipendono da un tempo particolare che ancora una volta dipende dalle condizioni che si verificano durante quel particolare lasso di tempo.

Per esempio, se i dati per uno studio sono raccolti sulla percezione dei residenti dei lavori di sviluppo condotti dal comune, i risultati presentati per un anno specifico (diciamo, 2009), saranno ritenuti superflui o di valore limitato nel 2015. Le ragioni sono che o i funzionari sono cambiati o lo scenario di sviluppo è cambiato (da troppo efficace a poco efficace o viceversa).

Risultati limitati in una ricerca quantitativa

Il metodo di ricerca quantitativa comporta un questionario strutturato con domande chiuse. Porta a risultati limitati delineati nella proposta di ricerca. Quindi i risultati non possono sempre rappresentare l’effettivo verificarsi, in una forma generalizzata. Inoltre, gli intervistati hanno opzioni limitate di risposta, basate sulla selezione fatta dal ricercatore.

Per esempio, la risposta a una domanda – “Il tuo manager ti motiva ad accettare le sfide”; può essere sì/no/non posso dire o fortemente d’accordo a fortemente in disaccordo. Ma per sapere quali sono le strategie applicate dal manager per motivare il dipendente o su quali parametri il dipendente non si sente motivato (se ha risposto no), il ricercatore deve fare domande più ampie che in qualche modo hanno una portata limitata nei questionari a risposta chiusa

Costoso e richiede tempo

La ricerca quantitativa è difficile, costosa e richiede molto tempo per essere eseguita l’analisi. Questo tipo di ricerca è pianificato con cura per assicurare una completa randomizzazione e la corretta designazione dei gruppi di controllo (Morgan 1980). Una grande proporzione di intervistati è appropriata per la rappresentazione della popolazione target. Quindi, per ottenere risposte approfondite su una questione, la raccolta dei dati nella metodologia di ricerca quantitativa è spesso troppo costosa rispetto all’approccio qualitativo.

Per esempio, per capire l’influenza della pubblicità sulla propensione alla decisione di acquisto di alimenti per bambini dei genitori di 5 anni e meno di Bangalore, il ricercatore deve raccogliere dati da 200 intervistati. Questo richiede tempo e denaro, dato l’approccio necessario a ciascuno di questi genitori per spiegare lo scopo dello studio.

Difficoltà nell’analisi dei dati

Lo studio quantitativo richiede un’ampia analisi statistica, che può essere difficile da eseguire per i ricercatori con un background non statistico. L’analisi statistica è basata sulla disciplina scientifica e quindi difficile da eseguire per i non matematici.

La ricerca quantitativa è molto più complessa per le scienze sociali, l’educazione, l’antropologia e la psicologia. Una risposta efficace dovrebbe dipendere dal problema della ricerca piuttosto che una semplice risposta sì o no.

Per esempio, per capire il livello di motivazione percepito dagli studenti di Grade 5 dall’approccio didattico adottato dai loro insegnanti di classe, un semplice sì e no potrebbe portare ad ambiguità nella raccolta dei dati e quindi a risultati impropri. Invece un’intervista dettagliata o una tecnica di focus group potrebbe sviluppare punti di vista e prospettive approfondite sia degli insegnanti che dei bambini.

Utilizza 5E3BCCB908B47 per risparmiare 6000 su 6001 – 10000 parole ordine standard del servizio di analisi della ricerca.

Richiesta di risorse extra per analizzare i risultati

I requisiti per una conferma statistica di successo del risultato è molto difficile in una ricerca quantitativa. L’ipotesi è dimostrata con pochi esperimenti, a causa dei quali c’è ambiguità nei risultati. I risultati sono ritestati e raffinati diverse volte per una conclusione non ambigua (Ong 2003). Quindi richiede più tempo, investimenti e risorse per raffinare i risultati.

Barbour, R.S., 2000. Il ruolo della ricerca qualitativa nell’ampliare la “base di evidenza” per la pratica clinica. Journal of Evaluation in Clinical Practice, 6(2), pp.155-163.
Baxter, P., 2008. Metodologia qualitativa dello studio di caso: Study Design and Implementation for Novice Researchers. The Qualitative Report, 13(4), pp.544-559.
Bowen, G.A., 2006. L’analisi dei documenti come metodo di ricerca qualitativa. Qualitative Research Journal, 9(2), pp.27 – 40.
Elo, S. & Kyngäs, H., 2008. Il processo di analisi qualitativa del contenuto. Journal of Advanced Nursing, 62(1), pp.107-115.
Maxwell, J.A., 2005. Progettazione della ricerca qualitativa: An Interactive Approach, SAGE Publications. Disponibile presso: https://books.google.co.in/books/about/Qualitative_Research_Design.html?id=XqaJP-iehskC&pgis=1 .
Morgan, G., 1980. Il caso della ricerca qualitativa. Academy of Management Journal, 5(4), pp.491-500.
Ong, S.-E., 2003. Approcci basati sulla spettrometria di massa nella proteomica quantitativa. Methods, 29(2), pp.124-130.
Saunders, M., Lewis, P. & Thornhill, A., 2009. Research Methods for Business Students 5th ed., Essex, England: Pearson Education Limited.
Scienza, J. di D., 2001. Recensione su invito: Integrazione di risultati quantitativi da studi multipli usando la metodologia del modello misto. Journal of Dairy Science, 84(4), pp.741-755.
Simon, M.K., 2011. Dissertazione e ricerca accademica: Ricette per il successo, Seattle, W.A.: Dissertation Success LLC.
Younus, M.A.F., 2014. Metodologia della ricerca. In Vulnerabilità e adattamento ai cambiamenti climatici in Bangladesh: Processes, Assessment and Effects (Springer Theses). Springer, pp. 35-76. Disponibile presso: http://link.springer.com/10.1007/978-94-007-5494-2_2 .

Autore
Post recenti

Partner di Project Guru

Priya ha un master in business administration con specializzazione in marketing e finanza. È esperta di modellazione dei dati, analisi delle serie temporali, vari modelli di regressione, previsioni e interpretazione dei dati. Ha assistito scienziati di dati, aziende, studiosi nel campo della finanza, delle banche, dell’economia e del marketing.