Modelli idiografici e nomotetici
La psicologia, come qualunque scienza sperimentale, è interessata a studiare i fenomeni naturali attraverso l'utilizzo del metodo deduttivo-sperimentale. Tale metodo consente non solamente di descrivere il funzionamento di un processo, ma consente di testare delle ipotesi in merito al processo stesso. Generalmente, la comunità scientifica testa più volte ogni ipotesi, cercando di verificare se una data teoria elaborata da altri scienziati regga il peso delle evidenze o risulti falsificabile. È proprio grazie a questi aspetti che il metodo sperimentale conduce, nel tempo, ad una modellizzazione formale dei processi naturali sempre più precisa, consentendo di giungere ad una rappresentazione della realtà che sia il più fedele possibile allo stato di fatto. Risulta però fondamentale riconoscere che una legge d'ordine generale non garantisce affatto di poter compiere, ipso-facto, previsioni in merito al singolo case-study. Risulta però possibile adottare metodologie sperimentali e quasi-sperimentali che consentono invece di trarre inferenze vere e proprie in merito al singolo individuo o al singolo gruppo di interesse.
L'approccio nomotetico
La statistica, studiando la distribuzione di variabili indagate in un campione di riferimento, è funzionale ad inferire previsioni che si possano estendere alla popolazione generale di interesse1. Generalmente, con popolazione di riferimento, ci si riferisce ad un'ampia categoria di persone: dipendenti, giovani adulti, coppie sposate, etc. Ad un primo livello di analisi, si potrebbe essere interessati a studiare un fenomeno senza intervenire su di esso. Potrei infatti porre una domanda generale: qual è il livello medio di stress dei dipendenti che lavorano nelle startup innovative? In questo caso si sta mettendo in atto un disegno di ricerca prettamente osservativo.
Nel caso in cui, invece, si volesse testare l'efficacia di un determinato intervento, dopo aver scelto un campione rappresentativo della popolazione di interesse, risulta necessario assegnare randomicamente il campione a diverse opzioni di trattamento, de facto suddividendo il campione in gruppi in modo casuale. Ad esempio, potremmo essere interessati a comprendere se una terapia psicologica specifica funziona con pazienti affetti da dolore cronico2, oppure se una determinata strategia di Business Management ottiene buoni risultati quando viene utilizzata da Startup innovative3. Se la differenza tra il gruppo A ed i gruppi di controllo è significativa, e se l'effetto sperimentale è ragionevolmente forte, si concluderà che il trattamento possiede un buon grado di efficacia se applicato alla popolazione indagata4. Ovviamente, non risulta sempre semplice giungere a tale conclusione, e tali tecniche presentano chiaramente alcune criticità dibattute, aspetti che richiedono una particolare accortezza relativamente alla loro applicazione5,6. L'esempio appena proposto, in merito alla valutazione di un intervento, rientra, a titolo esemplificativo, nei metodi definiti Randomized Control Trial, o RCT4,5,6, tipici dei disegni di ricerca sperimentali.
In entrambi i casi sopra esposti, sia per quanto riguarda i metodi osservativi ed i metodi sperimentali, si è adottato un approccio definito "nomotetico", che in psicologia è sicuramente quello più comune e consente di modellizzare la variabilità inter-individuale. Viene utilizzato con lo scopo di poter stabilire leggi scientifiche d'ordine generale o per valutare l'impatto di un determinato trattamento, tra diverse opzioni, su una data popolazione7,8.
Questo metodo ha però una importante limitazione: non dice niente rispetto al singolo, sia esso un paziente o un'azienda specifica7,8. Molti credono, erroneamente, che se un intervento è di provata efficacia relativamente alla popolazione di interesse, allora si rivelerà ipso facto efficace anche quando utilizzata con qualunque cliente/azienda appartenente alla popolazione stessa.
L'approccio idiografico
All'approccio nomotetico si aggiunge un altro metodo, definito "idiografico", che non risulta di per sé interessato a generalizzare ad ampi gruppi di persone, quanto piuttosto mira a fornire descrizione accurate in merito ad un singolo case-study, garantendo lo studio delle variazioni intra-individuali7,8,9. Un'altra credenza erronea è che l'approccio idiografico si contrapponga ai metodi sperimentali e che, in qualche modo, sia da ricondursi ad un approccio induttivo, umanistico, sicuramente né deduttivo né inferenziale. Questo è semplicemente falso. Per il lettore risulta sufficiente iniziare a leggere i paper citati in questa pagina per avere maggiore comprensione di tale aspetto.
Seguendo questo secondo approccio, la logica cambia: il campione è rappresentato da rilevazioni effettuate nel tempo sul singolo, e la popolazione non è altro che il comportamento del singolo nella sua totalità. L'obiettivo rimane lo stesso, ma concettualmente si cambia prospettiva: le nostre stime saranno valide se in grado non solo di descrivere, ma anche di prevedere, con un margine d'errore sufficientemente basso, il comportamento del singolo individuo (o del singolo gruppo di interesse).
Ciò che si intende con approccio idiografico in psicologia è quindi analogo alla concezione che si ha in statistica dei processi personalizzati. È grazie a questo approccio se è possibile consigliare i contenuti migliori agli utenti di YouTube, o le pubblicità su Amazon sulla base delle ricerche Google. Nessuno si scandalizza del fatto che quotidianamente i nostri Smartphone, collezionando chili di dati che noi stessi forniamo, siano in grado di prevedere il nostro comportamento di consumatori, e condizionare conseguentemente le nostre scelte in una determinata direzione. Quando si parla del fatto che esistano tecniche statistiche proprie della psicologia atte a prevedere il comportamento dei pazienti o dei dipendenti di un'azienda, il grande pubblico pensa spesso però che si parli di fantascienza. Nella realtà queste tecniche esistono, e non hanno niente di magico o surreale.
Nello specifico, quando si intende utilizzare l'approccio idiografico, non unicamente per valutare il comportamento di un dato cliente, ma proprio per testare l'efficacia di un intervento implementato di comune accordo con lo stesso, si parla di metodi quasi-sperimentali10,11,12,13. Alcuni pratici esempi nel contesto del mondo organizzativo sono la valutazione dell'efficacia di un dato intervento di Marketing14, di un intervento di Performance Management15 o di riduzione degli infortuni sul lavoro16. Esempi relativi al contesto clinico possono essere la quantificazione dell'effetto di un dato intervento di riabilitazione in persone tossicodipendenti17, o interventi atti a ridurre la percezione del dolore in pazienti sofferenti di dolore cronico18.
Integrazione ed applicazioni
I due approcci sono assolutamente complementari. Nel contesto della psicologia sperimentale applicata viene considerata best-practice l'utilizzo integrato dei due metodi. Da un lato, attraverso il confronto tra il nostro case-study e casi simili in letteratura, possiamo giungere a stilare una lista di possibili interventi che si sono mostrati efficaci. In seguito, una volta registrata una baseline e compresi i processi di funzionamento specifici di nostro interesse (aspetto niente affatto banale), si applicano i metodi evidence-based che risultano più opportuni, potendone di fatto controllare l'implementazione per tutta la durata del processo. La possibilità di modellizzare il funzionamento congiunto di un gruppo di variabili nel tempo, consente anche di poter effettuare degli studi di simulazione, che ci consentiranno di prevedere i cambiamenti che avranno luogo nelle nostre variabili una volta attuata una determinata strategia di intervento. Questo approccio consente di comprendere se e quanto l'opzione di intervento sia efficace. Al tempo stesso, qualora si noti invece che l'intervento adottato non sia benefico per il nostro paziente (o per la nostra azienda target, et similia), sarà possibile andare ad intervenire in tempo, sostituendo all'approccio di prima elezione una seconda opzione di intervento, potendone nuovamente indagare l'effetto in real-time.