Il campionamento non probabilistico (a volte campionamento non probabilistico) è una branca della selezione del campione che utilizza modalità non casuali per selezionare un gruppo di persone da far partecipare a una ricerca.
A differenza del campionamento probabilistico e dei suoi metodi, il campionamento non probabilistico non si concentra sulla rappresentazione accurata di tutti i membri di un’ampia popolazione all’interno di un gruppo campione più piccolo di partecipanti. Di conseguenza, non tutti i membri della popolazione hanno le stesse probabilità di partecipare allo studio.
In effetti, alcune ricerche darebbero risultati migliori se si utilizzasse un campionamento non probabilistico. Ad esempio, se si sta cercando di accedere a gruppi sociali difficili da raggiungere e solitamente non visibili, un campione rappresentativo non produrrebbe candidati adatti.
Si può invece scegliere di selezionare un campione sulla base di motivazioni proprie, come il giudizio soggettivo, la mera convenienza, il volontariato o, nell’esempio precedente, le referenze di membri nascosti della società disposti a parlare.
Quando si usa il campionamento non probabilistico?
Il campionamento non probabilistico è spesso utilizzato quando l’accesso a una popolazione completa è limitato o non è necessario, come nei seguenti casi:
- Potreste voler ottenere le opinioni solo di una nicchia o di un gruppo specifico di persone, in base alla loro posizione o alle loro caratteristiche. Per assicurarsi che ci siano molti dati sulle opinioni di queste persone specifiche, sarebbe opportuno avere un campione completo di persone che soddisfano i criteri.
- Se c’è un mercato target in cui si vuole entrare, può valere la pena di fare una piccola ricerca pilota o esplorativa per vedere se è possibile lanciare nuovi prodotti e servizi.
- Se il denaro e il tempo sono limitati, il campionamento non probabilistico consente di trovare candidati campione senza investire molte risorse.
- Nei casi in cui i membri non sono tradizionalmente rappresentati nelle grandi popolazioni o passano inosservati, come i sottogruppi di estrema sinistra e di destra, questi problemi devono essere affrontati in modo diverso.
Qual è la differenza tra campionamento non probabilistico e probabilistico?
Scelta casuale o deliberata
Il campionamento per probabilità, noto anche come campionamento casuale, utilizza la randomizzazione piuttosto che la scelta deliberata per selezionare un campione. Questo campione rappresentativo consente di effettuare test statistici, i cui risultati possono essere applicati alla popolazione in generale.
Che dire del campionamento non probabilistico?
D’altra parte, le tecniche di campionamento non probabilistico scelgono gli elementi o gli individui per il campione in base ai loro obiettivi, alle loro conoscenze o alla loro esperienza. Questo elimina la possibilità che gli utenti siano scelti a caso, ma non offre gli stessi vantaggi dell’eliminazione della possibilità di un campionamento casuale. bias che il campionamento probabilistico.
Inoltre, il campionamento probabilistico è più probabile del campionamento a pila.
Con il campionamento probabilistico, c’è una probabilità uguale ed equa che ogni membro della popolazione venga scelto per far parte del campione più piccolo.
Che dire del campionamento non probabilistico?
Al contrario, nel campionamento non probabilistico, i partecipanti non hanno la stessa probabilità di essere selezionati. Invece, è più probabile che vengano selezionati partecipanti con caratteristiche desiderabili che soddisfino i loro requisiti.
Conoscenza totale della popolazione vs. conoscenza variabile della popolazione
Le tecniche di campionamento probabilistico richiedono di sapere chi è ciascun membro della popolazione totale per poter scegliere una dimensione rappresentativa del campione. La popolazione funge da cornice di campionamento; senza di essa, può essere difficile creare un campione veramente casuale.
E il metodo di campionamento non probabilistico?
Un campione non probabilistico non ha bisogno di conoscere tutti i membri della popolazione prima del campionamento. In alcuni metodi di campionamento probabilistico, il campione cresce da solo (snowball) e i partecipanti al campione possono essere estratti da un unico ambiente o luogo (convenienza), indipendentemente dalla popolazione totale.
Oggettività contro profondità
Il campionamento per probabilità mira a essere oggettivo nel suo metodo di selezione del campione; cerca di eliminare i pregiudizi randomizzando la selezione e rendendola rappresentativa. Insieme a dati qualitativi Inoltre, è più probabile ottenere dati quantificabili e scalabili per la modellazione.
Che dire del campionamento non probabilistico?
Il campionamento non probabilistico è l’opposto, anche se mira ad approfondire un’area, senza considerare la popolazione in generale. Il livello di dettaglio dei dati qualitativi sarà maggiore, anche se qualsiasi dato quantitativo è limitato ai confini di quel gruppo specifico ed è difficile da scalare ad altre persone della popolazione target.
Campione più veloce e campione più difficile
Il campionamento per probabilità richiede che prima dell’inizio della ricerca venga selezionata una quota proporzionale di persone rappresentative ma diverse. Questo può essere difficile da fare quando i tassi di risposta sono bassi o non c’è alcun incentivo a partecipare.
Che dire del campionamento non probabilistico?
Il campionamento non probabilistico evita questo problema. Poiché il campione deve essere costituito solo dal numero giusto di persone prima dell’inizio della ricerca, i metodi per trovare i partecipanti possono essere più creativi e vari.
Inoltre, poiché i candidati ideali avranno caratteristiche simili, una volta capito da dove attirarli, potrete ripetere il processo fino a ottenere il campione necessario.
Vantaggi del campionamento non probabilistico
- Questo ramo può essere utilizzato quando non si conosce un quadro di campionamento (informazioni complete sull’intera popolazione target).
- Fornisce descrizioni dettagliate del campione in questione, il che significa che se la vostra ricerca è interessata a risultati qualitativi, il campionamento non probabilistico può fornirvi maggiori informazioni.
- È un’operazione rapida ed economica. È sufficiente investire una piccola quantità di tempo per raccogliere un campione di dimensioni adeguate prima di iniziare la ricerca.
- Si tratta di un campione non probabilistico.
- Non è soggetta a bassi tassi di risposta, un problema comune alle tecniche di campionamento probabilistico.
- Può essere un rapido punto di partenza per indagare o esplorare l’esistenza di un problema tra un gruppo specifico di pubblico o un mercato target, che può portare a ulteriori investimenti o opportunità di ricerca.
- La capacità di entrare in contatto con gruppi sottorappresentati, nascosti o estremi lo rende interessante per i ricercatori interessati a comprendere i punti di vista di nicchia.
- In un mondo online, il campionamento non probabilistico diventa ancora più facile da condurre, poiché la capacità di entrare in contatto con i membri del campione target è più veloce e non è limitata dalla geografia fisica.
- Voi e i vostri investigatori potete reagire in tempo reale, il che significa che l’analisi e l’indagine degli eventi mondiali possono avvenire più rapidamente.
Svantaggi del campionamento non probabilistico
- Lo svantaggio principale è la presenza di pregiudizi di campionamento, in quanto il metodo di selezione del campione conferisce un vantaggio ingiusto a determinati membri di una popolazione.
- I risultati di un campionamento non probabilistico non sono facili da estendere e utilizzare per fare generalizzazioni su una popolazione più ampia.
- In alcuni metodi, come il campionamento volontario o di convenienza, i campioni possono essere riempiti con persone che hanno maggiori probabilità di accettare di partecipare alla ricerca perché hanno opinioni forti che vogliono condividere. Questo può influenzare la validità dei risultati.
- La scelta deliberata dei criteri di selezione da utilizzare per valutare l’idoneità dei partecipanti a un campione può portare a distorsioni della ricerca o della selezione. I loro punti di vista e le loro opinioni possono influenzare il campione e, di conseguenza, i risultati della ricerca.
- Il campione può essere soggetto all’influenza dei partecipanti.
- Il campione può essere soggetto a controlli preventivi o ad altre barriere che rendono difficile l’ingresso dei partecipanti selezionati nel campione stesso. Questo aggiunge strati complicati che possono escludere i candidati idonei dal campione.
- Pertanto, il campione non può essere utilizzato dai partecipanti.
- Poiché non c’è modo di misurare i confini di una popolazione rilevante per la ricerca, anche la dimensione del campione non è chiara. Potreste scoprire di aver bisogno di più o meno partecipanti in una fase successiva, il che potrebbe essere uno spreco di tempo e denaro.
Tipi di campionamento non probabilistico
Esistono quattro tipi di tecniche di campionamento non probabilistico: a convenienza, per quote, a palla di neve e mirato; ognuno di questi metodi di campionamento ha poi i suoi sottotipi che forniscono diversi metodi di analisi:
1. Campionamento di convenienza (chiamato anche campionamento casuale, di fortuna, di opportunità o accidentale)
Il campionamento per convenienza è un tipo comune di campionamento non probabilistico in cui i partecipanti vengono scelti per un campione in base alla loro convenienza e disponibilità.
Questa tipologia può essere utilizzata in luoghi pubblici, come centri commerciali o campus scolastici, dove è facile incontrare e selezionare le persone che “passano” in base a caratteristiche e criteri considerati importanti.
È un modo economico e veloce per riunire le persone in un campione e condurre un sondaggio per raccogliere dati. Per questo motivo, viene spesso utilizzato per sondaggi rapidi sull’opinione degli utenti o per test pilota.
Anche i campioni di convenienza hanno due sottotipi:
Campionamento consecutivo (noto anche come campionamento enumerativo totale)
Il campionamento consecutivo consiste nel condurre la ricerca con membri del campione che soddisfano i criteri di inclusione e sono comodamente disponibili. Viene condotta un’indagine dopo l’altra fino a raggiungere un risultato conclusivo. I campioni vengono scelti in base alla disponibilità e ogni risultato viene analizzato prima di passare al campione o all’argomento successivo.
Autoselezione (nota anche come campionamento volontario)
La tecnica di campionamento per autoselezione utilizza volontari per completare la dimensione del campione a un numero determinato.
Ciò richiede meno lavoro per contattare le persone, poiché i volontari si iscrivono e scelgono di partecipare alla ricerca se soddisfano i criteri desiderati. Le informazioni ottenute si basano probabilmente sulle opinioni che questi volontari vogliono condividere. Un esempio è quello dei candidati alla ricerca medica che scelgono di partecipare a studi medici perché rientrano nei criteri dello studio e vogliono partecipare per motivi di salute.
2. Campionamento per quote (noto anche come campionamento dimensionale)
Il campionamento per quote è una tecnica di campionamento non probabilistico simile al campionamento stratificato. In questo metodo, la popolazione è divisa in segmenti (strati) e una quota deve essere riempita in base alle persone che corrispondono alle caratteristiche di ogni strato.
Esistono due tipi di campionamento per quote:
- Il campionamento proporzionale per quote fornisce numeri proporzionali che rappresentano segmenti della popolazione più ampia. A tal fine, è necessario conoscere il quadro della popolazione.
- Il campionamento per quote non proporzionale utilizza uno strato per dividere la popolazione.
- Il campionamento per quote non proporzionali utilizza strati per dividere un’intera popolazione, anche se viene decisa solo la dimensione minima del campione per strato.
Tuttavia, le tecniche di campionamento per quote differiscono dal campionamento probabilistico in quanto non vi è alcun impegno da parte vostra a dare pari opportunità ai partecipanti selezionati per il campione. Invece, si continua a cercare finché non si raggiunge il numero dello strato.
In generale, il campionamento per quote è consapevole delle divisioni di una popolazione, ma fornisce comunque una visione approfondita di ogni strato.
3. Campionamento a palla di neve (noto anche come campionamento di riferimento, guidato dagli intervistati, a catena o a più stadi).
Il campionamento a palla di neve è un tipo di campionamento non probabilistico che imita un sistema piramidale nel suo schema di selezione. Si scelgono i primi partecipanti al campione, che poi andranno a reclutare altri partecipanti al campione fino a raggiungere la dimensione del campione. Questo schema continuo può essere meglio descritto come una palla di neve che rotola in discesa: aumenta di dimensioni man mano che raccoglie altra neve (in questo caso, i partecipanti).
Questo tipo di campionamento è utile per raggiungere comunità di persone difficili da raggiungere, come i lavoratori del sesso, i senzatetto o gli adolescenti. Un esempio di campionamento a palla di neve è il reclutamento di membri del campione attraverso i canali dei social media, che poi promuovono il vostro lavoro ai membri della loro rete.
Con questo modello, si fa affidamento sui membri del campione iniziale per raggiungere la dimensione ideale del campione. Questo può essere rapido quando la catena di membri si sviluppa oltre i primi livelli. Tuttavia, dipende dal fatto che i primi membri riferiscano il lavoro di ricerca ad altri.
4. Campionamento mirato (noto anche come campionamento giudicante, selettivo o soggettivo)
Il campionamento mirato è un tipo di campionamento non probabilistico in cui si prende una decisione consapevole su cosa includere nel campione e si scelgono i partecipanti di conseguenza. In questo modo, si utilizza la comprensione dello scopo della ricerca e la conoscenza della popolazione per giudicare quale dovrebbe essere il campione da includere per raggiungere gli obiettivi della ricerca.
È necessario convalidare se un potenziale membro del campione soddisfa i criteri ricercati, ma se viene confermato, il partecipante può essere aggiunto al campione. Questo tipo di metodo di selezione del campione solleva ovvi problemi di parzialità, anche se siete liberi di creare il campione più adatto alle vostre esigenze di ricerca.
Tuttavia, è in gioco la vostra credibilità: anche il più piccolo degli errori può tradursi in dati errati. Tuttavia, poiché si tratta di un metodo rapido e semplice per ottenere un campione, è possibile rifarlo abbastanza facilmente in caso di errore.
Esistono alcuni sottotipi:
Campionamento per eterogeneità (noto anche come campionamento a massima variazione o campionamento per diversità)
Cerca di rappresentare la più ampia varietà di punti di vista e opinioni sull’argomento di ricerca, indipendentemente dalla rappresentanza proporzionale della popolazione. Gli obiettivi principali sono:
- rendere i risultati della ricerca il più ricchi possibile
- considerare un problema da tutti i punti di vista
Per questo motivo, è fondamentale disporre di un ampio spettro di idee da parte dei partecipanti al campione.
Campionamento omogeneo (noto anche come campionamento di istanza modale)
Al contrario del campionamento per eterogeneità, il campionamento omogeneo mira a ottenere un campione di persone con caratteristiche simili o identiche. Ad esempio, possono condividere le stesse opinioni, le stesse convinzioni, l’età, l’ubicazione o l’occupazione. I tratti selezionati sono quelli utili per la vostra ricerca.
Invece di cercare di esaminare una questione da tutti i punti di vista, si concentra il problema della ricerca su un gruppo di persone che la vedono allo stesso modo e poi si entra nel dettaglio.
Campionamento deviante (noto anche come campionamento estremo)
In questo caso il campione viene scelto in base a casi o caratteristiche dei partecipanti che sono inusuali o speciali in qualche modo, come successi eccezionali o fallimenti notevoli.
Consentendo a un gruppo di membri del campione non tradizionali di esplorare un argomento, le intuizioni saranno uniche e imprevedibili, il che significa che potrebbe essere utile per “pensare fuori dagli schemi”. Naturalmente, occorre fare uno sforzo supplementare per trovare, collegare e gestire le relazioni con questi membri del campione.
Campionamento esperto
Quando gli obiettivi della ricerca richiedono un gruppo di specialisti che aiutino a capire, discutere e fare inferenze utili, può essere utile il campionamento di esperti. Con il campionamento esperto, il campione viene scelto in base alle conoscenze dei potenziali membri del campione in una determinata area. Il suo utilizzo migliore è nei progetti di ricerca complessi o altamente tecnici e quando le informazioni sono incerte o sconosciute, anche se può essere usato per convalidare i risultati di altre ricerche facendo esaminare i risultati a un “esperto”.
