Network Analysis

In psicologia è necessario modellizzare con un buon grado di accuratezza le caratteristiche essenziali dei fenomeni di interesse. Storicamente, i modelli statistici maggiormente utilizzati in psicometria sono senz'altro i Modelli ad Equazioni Strutturali (SEM) e l'Analisi Fattoriale1,2. Questi modelli consentono di ricondurre gruppi di variabili (tipicamente, item di questionari finalizzati alla misurazione di capacità cognitive, emozioni, etc.) a fattori latenti comuni, che altro non sono che costrutti astratti come i tratti di personalità o determinati disturbi psicopatologici. A titolo esemplificativo, la depressione potrebbe essere concettualizzata come il fattore latente che spiega la covarianza di indicatori quali tristezza esperita, disturbi del sonno, sensazioni di impotenza e la presenza di ideazione suicidaria (tra i vari sintomi possibili). Questo approccio ha dimostrato un'estrema utilità ed ha aiutato i clinici a ridurre un vasto numero di fenomeni ad un ristretto numero di cluster. Inoltre, grazie ai modelli SEM è possibile andare ad indagare la relazione causale (in senso statistico) tra diversi costrutti astratti. Quest'approccio non è tuttavia esente da criticità: per esempio, non vi è consenso per quanto riguarda la natura delle relazioni tra indicatori e fattori latenti. Non vi sono, cioè, evidenze condivise relativamente al fatto che i sintomi di un disturbo possano essere la causa dei disturbi stessi (approccio formativo) o se i disturbi siano la causa della covarianza dei sintomi (approccio riflettivo). Al tempo stesso, le relazioni dinamiche tra indicatori non sono state ancora sufficientemente investigate3

Per chi fosse interessato ad approfondire tali argomenti, ho anche scritto due brevi articoli che potrebbero essere utili, uno sulla creazione e validazione dei questionari; l'altro, relativamente alla psicologia quantitativa e alle discipline ad essa inerenti. 

Le novità concettuali

Durante gli ultimi decenni è stato proposto un nuovo approccio formale. In particolare, i costrutti psicologici possono essere concettualizzati come sistemi dinamici di variabili distinte, viste come entità causali autonome3,4. Questa tipologia di relazioni tra variabili è modellizzata tramite l'utilizzo di reti probabilistiche5,6,7, dette appunto network. Un network è quindi un grafo che mostra relazioni stocastiche tra un insieme di variabili. Ogni variabile è un nodo della rete, ed i nodi sono tra loro collegati tramite delle linee che rappresentano le relative relazioni8. L'applicazione della Network Analysis (NA) è diventata ormai molto popolare in psicologia, come dimostrato dal crescente numero di pubblicazioni che utilizzano detta metodologia. È interessante notare come questa proprietà formale delle reti sia d'interesse tanto nel contesto clinico4,9, quanto in quello aziendale 10,11. Inoltre, questo approccio consente tanto di campionare item di questionari, quanto di richiedere la registrazione di un dato comportamentale effettivo. Inoltre, un recente studio ha dimostrato l'equivalenza tra le tecniche di NA e quelle di FA relativamente all'estrazione di fattori latenti data la covarianza dei singoli item12. L'aspetto però distintivo della NA è che consente anche di effettuare analisi su singole osservazioni comportamentali, garantendo quindi un'applicabilità tanto nell'utilizzo dei questionari, che in Analisi del Comportamento.

Dynamic Network Analysis

I network possono essere stimati sia in studi cross-sezionali (ossia in studi che comportano la raccolta di un ampio numero di osservazioni una volta sola), oppure tramite Experience Sampling Method (ESM), una tecnica che comporta un campionamento in tempo dinamico, giorno per giorno, consentendo quindi l'analisi di dinamiche temporali8,13,14. L'analisi dinamica dei network, ottenuta tramite ESM, ha la potenzialità di fornire insight funzionali non soltanto all'indagine di processi relativi ad una popolazione ampia di partecipanti, ma anche all'analisi dinamica di singole persone, adottando un approccio idiografico, ossia centrato sulla persona15. La stima di tali network può rilevarsi fondamentale per informare psicologi, o altri lavoratori, e guidarli nel fare scelte oculate in merito agli interventi da adottare, siano essi relativi a problematiche di tipo clinico, organizzativo o di altra natura. Per esempio, conducendo un design ESM con un paziente depresso si potrebbe scoprire che quando riporta di aver avuto problemi a dormire, il giorno dopo tende ad esperire sensazioni di stanchezza e impotenza, che a loro volta sono associati ad una successiva manifestazione di ideazione suicidaria.

Un esempio nel contesto dell'ottimizzazione dei processi organizzativi è dato dall'utilizzo dei modelli VAR (Vector Auto-Regressive) per studiare le relazioni tra i comportamenti dei diversi comparti produttivi. Ipotizziamo che un'azienda interessata ad espandersi riporti profitti costanti negli ultimi anni, senza che si osservi la crescita desiderata. In questo caso, potrebbe essere che i dipendenti di diversi comparti produttivi abbiano ricevuto istruzioni poco chiare, e che i lavoratori vengano indotti a raggiungere obiettivi attraverso sequenze di comportamenti che in realtà sono in conflitto tra loro. Un esempio classico potrebbe essere la situazione in cui gli addetti del comparto produzione e del comparto qualità seguano obiettivi opposti, come l'aumento della produzione a discapito della qualità, e il controllo rigido della qualità a discapito della produzione. Questo esempio, che al lettore risulta probabilmente un'ovvietà, non è necessariamente di facile analisi ad un primo sguardo, soprattutto nei casi in cui i manager non monitorino attivamente le attività svolte dei dipendenti. Attraverso un monitoraggio dei comportamenti si potrebbe evidenziare proprio questa relazione di feedback negativo.

Gli esempi potrebbero essere davvero numerosi. Quello che è evidente è che utilizzando questi modelli risulta possibile indagare la realtà attraverso un approccio che si rivela estremamente funzionale sia a scopi di business che in merito alla pianificazione d'intervento psicologico in ambito clinico e sanitario.

Bibliografia

    1. Decoster J, Hall GP (1998). Overview of Factor Analysis. In Practice, 37(2), 141, https://doi.org/10.2307/2685875
    2. Marcoulides KM, Foldnes N, Grønneberg S (2020). Assessing Model Fit in Structural Equation Modeling Using Appropriate Test Statistics. Structural Equation Modeling, 27(3), 369–379, https://doi.org/10.1080/10705511.2019.1647785
    3. Schmittmann VD, Cramer AOJ, Waldorp LJ, Epskamp S, Kievit RA, Borsboom D (2013). Deconstructing the construct: A network perspective on psychological phenomena. New Ideas in Psychology, 31(1), 43–53, https://doi.org/10.1016/j.newideapsych.2011.02.007
    4. Bringmann LF, Vissers N, Wichers M, Geschwind N, Kuppens P, Peeters F, Borsboom D, Tuerlinckx F (2013). A Network Approach to Psychopathology: New Insights into Clinical Longitudinal Data. PLoS ONE, 8(4), https://doi.org/10.1371/journal.pone.0060188
    5. Borsboom D, Cramer AOJ (2013). Network Analysis: An Integrative Approach to the Structure of Psychopathology. Ssrn, https://doi.org/10.1146/annurev-clinpsy-050212-185608
    6. Costantini G, Richetin J, Preti E, Casini E, Epskamp S, Perugini M (2017). Stability and variability of personality networks. A tutorial on recent developments in network psychometrics. Personality and Individual Differences, https://doi.org/10.1016/j.paid.2017.06.011
    7. Cramer AOJ, van der Sluis S, Noordhof A, Wichers M, Geschwind N, Aggen SH, Kendler KS, Borsboom D (2012). Dimensions of normal personality as networks in search of equilibrium: You can’t like parties if you don’t like people. European Journal of Personality, 26(4), 414–431, https://doi.org/10.1002/per.1866
    8. Epskamp S, Waldorp LJ, Mõttus R, Borsboom D (2018). The Gaussian Graphical Model in Cross-sectional and Time-series Data. Multivariate Behavioral Research, 53(4), 453–480, https://doi.org/https://doi.org/10.1080/00273171.2018.1454823
    9. Curtiss J, Fulford D, Hofmann SG, Gershon A (2019). Network dynamics of positive and negative affect in bipolar disorder. Journal of Affective Disorders, 249(October 2018), 270–277, https://doi.org/10.1016/j.jad.2019.02.017
    10. Lowery MR, Clark MA, Carter NT (2021). The balancing act of performance: Psychometric networks and the causal interplay of organizational citizenship and counterproductive work behaviors. Journal of Vocational Behavior, 125, 103527, https://doi.org/10.1016/j.jvb.2020.103527
    11. Menezes I, Menezes AC, Moraes E, Pires PP (2021). Measuring organizational climate via psychological networks analysis. International Journal of Organization Theory & Behavior, 24(3), 229-250, https://doi.org/10.1108/IJOTB-08-2020-0142
    12. Christensen AP, Golino H (2021). On the equivalency of factor and network loadings. Behavior Research Methods, 53, 1563–1580, https://doi.org/10.3758/s13428-020-01500-6
    13. Greene T, Gelkopf M, Epskamp S, Fried E (2018). Dynamic networks of PTSD symptoms during conflict. Psychological Medicine, 48(14), 2409–2417, https://doi.org/10.1017/S0033291718000351
    14. Epskamp S, van Borkulo CD, van der Veen DC, Servaas MN, Isvoranu AM, Riese H, Cramer AOJ (2018). Personalized Network Modeling in Psychopathology: The Importance of Contemporaneous and Temporal Connections. Clinical Psychological Science, 6(3), 416–427, https://doi.org/10.1177/2167702617744325
    15. Fisher AJ, Reeves JW, Lawyer G, Medaglia JD, Rubel JA (2017). Exploring the idiographic dynamics of mood and anxiety via network analysis. Journal of Abnormal Psychology, 126, 1044–1056, https://doi.org/10. 1037/abn0000311