Altavilla A.M*, Mondello M.** Di Natali L.***

Slides:



Advertisements
Presentazioni simili
ORIENTARSI Sapersi orientare significa essere in possesso di strumenti cognitivi, emotivi e relazionali idonei per fronteggiare il disorientamento derivato.
Advertisements

Prof. Ermenegildo Ferrari - CIDI - Milano 1 Il nuovo obbligo di istruzione: cosa cambia nella scuola?
Metodi Quantitativi per Economia, Finanza e Management Lezione n°6.
PROVA NAZIONALE a.s Risultati in Matematica PISA 2003 e voti: Fonte: Rapporto Regionale del Veneto PISA 2003 Angela Martini –
Come organizzare i dati per un'analisi statistica al computer?
Corso di formazione ADi
Competenze e capacità tecniche
COORDINATE POLARI Sia P ha coordinate cartesiane
A cura dellUfficio Statistica e Tempi della Città Indagine sul grado di soddisfazione del servizio: Estate ragazzi/Estate bambini Presentazione dei risultati.
A cura dellUfficio Programmazione, Statistica e Tempi della Città e della Direzione Generale - Area Qualità Comune di Bolzano Comune di Bolzano Indagine.
A cura dellUfficio Statistica e Tempi della Città Indagine sul grado di soddisfazione del servizio: Estate ragazzi/Estate bambini Presentazione dei risultati.
Milano, maggio 2010 IMMIGRATI E MICROFINANZA. ANALISI DELLA REALTÀ ITALIANA A. Coscarelli Dipartimento di Economia e Statistica D. Federico - A.
Quadro di riferimento INValSI Scienze I livelli di competenza
ANALISI DELLA COVARIANZA
Metodi e tecniche di analisi dei dati con Laboratorio (4+4 crediti) Specialistica in Psicologia dei Processi Cognitivi (A31) I anno Prof.ssa Francesca.
Metodologia e tecniche della ricerca in psicologia clinica con Laboratorio (6+2 crediti) Specialistica in Psicologia clinica (A30) I anno Prof.ssa Francesca.
Metodi Quantitativi per Economia, Finanza e Management Lezione n°8
Metodi Quantitativi per Economia, Finanza e Management Lezione n°9.
Metodi Quantitativi per Economia, Finanza e Management Lezione n° 11.
Regressione lineare Metodi Quantitativi per Economia, Finanza e Management Esercitazione n°8.
INFERENZA NEL MODELLO DI REGRESSIONE LINEARE MULTIPLA (parte 1)
Metodi Quantitativi per Economia, Finanza e Management Lezione n° 9.
Metodi di ricerca in Psicologia
Metodi della ricerca in Psicologia
COMUNITÀ LOCALE E SVILUPPO PSICOSOCIALE DEGLI ADOLESCENTI.
Test di ipotesi X variabile casuale con funzione di densità (probabilità) f(x; q) q Q parametro incognito. Test Statistico: regola che sulla base di un.
La costruzione e lo sviluppo delle competenze a scuola
I quindicenni italiani e le prove PISA Presentazione generale dei risultati e lettura dei dati sulla base delle variabili di contesto INVALSI
La condizione di vita degli anziani in Italia
Statistica sociale Modulo A
La politica della formazione nell’UE
Da Pisa 2003 a Pisa 2006: elementi di valutazione e prospettive Bruno Losito Università di Roma Tre NPM PISA 2006.
DATI E PREVISIONI Marzo 2011.
ANALISI DEL CONTESTO Caratteristiche socio/economiche Tasso di occupazione e disoccupazione Statistiche sul livello culturale della popolazione Presenza.
Dino Cristanini PROGETTO DI FORMAZIONE E DI RICERCA AZIONE
XLVII Riunione Scientifica della Società Italiana di Economia, Demografia e Statistica Milano, 27, 28 e 29 maggio 2010 Motivazioni esclusive e concorrenti.
1 Gargano R., Avena G., Grasso F. UNIVERSITÀ DEGLI STUDI DI MESSINA IL PROCESSO DINTEGRAZIONE DEGLI IMMIGRATI IN UN CONTESTO URBANO DELLITALIA INSULARE.
Il ruolo del demografo nella realizzazione
Le distribuzioni campionarie
ANALISI FATTORIALE. Cosè lanalisi fattoriale? Statistica descrittiva Rappresentazione delle variabili in studio. Statistica confermativa vs Confermare,
Istituto Comprensivo di Polla
L’altra faccia della digital generation
La funzione strumentale N° 1, così come previsto nelle proprie linee programmatiche, al fine diconsentire la valutazione del servizio offerto per l’anno.
Miria Savioli Fiera Internazionale del libro di Torino 15 maggio Lingotto Fiere Grandi (o piccoli?) lettori, grandi consumatori.
OCSe-PISA e Veneto. PISA Programme for International Student Assessment ): fu avviato nel 1997 da parte dei paesi aderenti all’OCSE.
1 Commissione Statistica Presentazione della Commissione Statistica anno ottobre 2014.
 INVALSI     Questionari di base: ◦Questionario Scuola; ◦Questionario Studente.  Questionari facoltativi: ◦Questionario sul percorso.
La verifica d’ipotesi Docente Dott. Nappo Daniela
Indagine sulle abitudini e sulle aspettative sportive
Prime valutazioni sugli esiti post-diploma L’efficacia e l’efficienza dell’azione educativa di un Istituto superiore si evidenzia in particolare dagli.
Strumenti statistici in Excell
Metodi Quantitativi per Economia, Finanza e Management Lezione n°10 Regressione lineare multipla: la valutazione del modello, metodi automatici di selezione.
 INVALSI   Sviluppato da: Organizzazione per la Cooperazione e lo Sviluppo Economico (OECD – OCDE – OCSE)  PISA-Programme for International.
Test basati su due campioni Test Chi - quadro
Analisi discriminante lineare - contesto
2015 Questionario per la lettura del Territorio Direzione Didattica Rivoli 1°Circolo.
Il contesto sociale ed ambientale dei ragazzi toscani
Il contesto sociale e ambientale dei ragazzi toscani Firenze - 13 Novembre 2008 Laura Aversa Area Determinanti Ambientali e Sociali di Malattia Osservatorio.
Istituto Comprensivo “Isabella Morra” Valsinni Anno scolastico 2013/2014 Funzione Strumentale P.O.F. prof.ssa Filomena OLIVIERI Dirigente Scolastico prof.ssa.
ISTITUTO COMPRENSIVO NOALE PROGETTO VALUTAZIONE & MIGLIORAMENTO (V&M) A.S. 2014/15 RAPPORTO DAL QUESTIONARIO INCONTRIAMOCI DOCENTI ALUNNI GENITORI.
ANALISI E INTERPRETAZIONE DATI
Giornate di informazione sull’offerta di istruzione del II ciclo PROVINCIA DI RAVENNA Ufficio X - Ambito Territoriale di Ravenna Liceo Scientifico Sportivo.
 In questa parte del nostro lavoro andremo ad analizzare i dati relativi ai consumi delle famiglie presenti nel sito ISTAT. I comportamenti di consumo.
Direzione Centrale Gestione Tributi Customer Satisfaction 2015 RLI web.
Cos’è la ricerca sociale? La raccolta di informazioni relative ad una realtà, ad un fenomeno sociale secondo obiettivi specifici:
Regressione semplice e multipla in forma matriciale Metodo dei minimi quadrati Stima di beta Regressione semplice Regressione multipla con 2 predittori.
UNIVERSITA’ DEGLI STUDI DI BARI “I Facoltà di Economia - Bari“ "Corso di laurea triennale in Scienze Statistiche" INDAGINE STATISTICA CONDIZIONI ECONOMICO-SOCIALI.
ESAME DI STATO CLASSI III SCUOLA SECONDARIA I GRADO “MEDA FERRARIN” ESITI PROVE DI ITALIANO E DI MATEMATICA Restituzione dati Prova Nazionale (PN) a.s.
INFERENZA NEL MODELLO DI REGRESSIONE LINEARE SEMPLICE
MONITORAGGIO ALTERNANZA SCUOLA – LAVORO «ANDIAMO A SCUOLA: ANALISI DEI CONTESTI EDUCATIVI» CLASSI TERZE SEZIONI B e C LICEO SCIENZE UMANE ISTITUTO OSPITANTE:
Transcript della presentazione:

Altavilla A.M*, Mondello M.** Di Natali L.*** RELAZIONI TRA CONDIZIONI DI VITA, AMBIENTE FAMILIARE E SCOLASTICO, NEGLI ALUNNI DELLE SCUOLE MEDIE INFERIORI. Altavilla A.M*, Mondello M.** Di Natali L.*** (*Dipartimento di Impresa, Culture e Società - Facoltà di Economia - Università di Catania ** Dipartimento di Statistica – Comune di Messina *** Dipartimento di Scienze Cognitive e della Formazione - Università di Messina) altavil@unict.it mmondello@unime.it ldinatali@unime.it XLVII Riunione Scientifica – Milano, 27-29 maggio 2010

Il problema “Leggere, potere leggere, avere il gusto di leggere, è un privilegio E’ un privilegio della nostra intelligenza, che trova nei libri l’alimento primo dell’informazione e gli stimoli al confronto, alla critica, allo sviluppo.” (T. De Mauro, Il gusto della lettura) XLVII Riunione Scientifica – Milano, 27-29 maggio 2010

Scopo del lavoro Obiettivo del presente lavoro è conoscere le relazioni tra tali comportamenti, le condizioni di vita, l’ambiente familiare, l’ambiente scolastico degli studenti della scuole medie inferiori della città di Messina Si è scelto un approccio ad equazioni strutturali (SEM) generalmente adoperato dalla ricerca sociale per l’analisi di variabili non osservabili (per es. atteggiamenti, personalità, preferenze, tempo libero, rapporto con i familiari), considerando l’attitudine alla lettura come una “variabile latente”, poiché tali modelli rappresentano una soluzione formale di rilevante capacità esplicativa e semplicità interpretativa. XLVII Riunione Scientifica – Milano, 27-29 maggio 2010

Descrizione del questionario Il questionario, completamente anonimo, risulta composto da: una sessione personale, contenente dati anagrafici: luogo, data di nascita, sesso, altezza e peso, numero componenti del nucleo familiare; una sessione dedicata alla scuola (Istituto, ubicazione, mezzo utilizzato per raggiungere la scuola, durata del tragitto, difficoltà riscontrata nel raggiungimento del sito, presenza aree di parcheggio, classe frequentata, orario delle lezioni, materie preferite, opinioni sulle materie, presenza studenti stranieri, giudizio sugli insegnanti; una sessione dedicata al rapporto degli studenti con la propria famiglia (il rapporto con i genitori, con i fratelli, le situazioni detestate in famiglia). una sessione dedicata al tempo libero (hobby, sport, luogo di giochi). XLVII Riunione Scientifica – Milano, 27-29 maggio 2010

Caratteristiche della rilevazione Lo studio è stato svolto, nell’ambito del progetto “Istruzione e formazione” del comune di Messina, inserito nel PSN 2006-2008 L'indagine è stata effettuata mediante somministrazione di un questionario a risposte sia chiuse che aperte alla popolazione costituita da tutti i ragazzi, iscritti alle scuole medie del comune di Messina Il questionario è stato somministrato a 2430 ragazzi frequentanti le scuole medie. XLVII Riunione Scientifica – Milano, 27-29 maggio 2010

Ambiente familiare Quale situazione detesti in famiglia? Cosa odi nell'atteggiamento dei tuoi familiari? Cosa odi nell'atteggiamento dei tuoi familiari per sesso

I ragazzi a scuola: Il rapporto con i professori Giudizio sui professori per sesso Giudizio positivo sui professori

Giudizio sulla scuola

Materie preferite per settore disciplinare Materia Preferita L'area disciplinare che assorbe la percentuale più alta di gradimento è quella scientifica (37%), seguita da quella umanistica (28%) e quella delle attività motorie (17%). Più in particolare i ragazzi che hanno affermato di preferire la matematica (26%), dimostrano contestualmente ottima propensione verso l'utilizzo del PC. Del 28% di quelli che preferiscono le materie umanistiche, il 4.5% ama l'italiano e le letture, il 6.5% la storia, il 2.5% la geografia ed il 5% la lingua straniera e gli studi sociali. Il 17% inoltre predilige la ginnastica. Materie preferite per settore disciplinare Materie preferite

Tempo libero Si è osservato che il 18% dei bambini ama trascorre il proprio tempo libero giocando all'aperto, il 15% con il PC, il 12% con gli amichetti. Ben il 60% dei bambini intervistati ama fare sport, di questi il 29% preferisce giocare al calcio, il 23% andare a scuola di danza ed il 15% frequentare un corso di nuoto. Hobby Sport preferito

Tempo libero Dove giochi? Luogo di giochi – I Municipalità Luogo di giochi per Municipalità Luogo di giochi – IV Municipalità

I ragazzi e le nuove tecnologie Cellulari posseduti Hai mai giocato su internet con un avversario? Cellulari posseduti per sesso Hai mai effettuato una videochiamata?

Analisi statistiche Dopo una prima analisi esplorativa, condotta allo scopo di specificare la struttura del modello e delle relazioni tra variabili, è stato sviluppato un modello da sottoporre ad analisi confermativa seguendo l’approccio PLS Path Modelling. XLVII Riunione Scientifica – Milano, 27-29 maggio 2010

Background teorico Il contesto teorico in cui si sviluppano i modelli ad equazioni strutturali si rifà a Joreskog e che fonde due tradizioni: quella econometrica e quella psicometrica. La relazione tra variabili osservate e latenti è formalizzata nei modelli di misurazione che rappresentano l’anima psicometrica. Il modello strutturale esprime, invece, l’anima econometrica poiché consente di indagare l’esistenza di eventuali legami lineari tra le variabili latenti. Mutuando la terminologia econometrica, tale legame di dipendenza tra variabili latenti determina la necessità di distinguere le variabili in esogene ed endogene. XLVII Riunione Scientifica – Milano, 27-29 maggio 2010

Background teorico Solitamente le indagini LISREL vengono condotte ipotizzando che le variabili osservate siano continue e con distribuzione normale multivariata. Qualora tali assunzioni vengano meno, ossia quando le variabili in esame siano categoriche, binarie o ordinali, ci si riferisce al cosiddetto underlying variable approach (UVA) secondo il quale si suppone che ciascuna variabile osservata sia generata da una variabile sottostante continua e normalmente distribuita. XLVII Riunione Scientifica – Milano, 27-29 maggio 2010

Background teorico In particolare, sia y una variabile osservata ordinale con c categorie, la corrispondente variabile y* sottostante si definisce nel seguente modo (Muthén, 1984): dove gli ai (i=1,2,…,c-1) sono i valori soglia e permettono di passare da variabili categoriche ordinabili a variabili continue. XLVII Riunione Scientifica – Milano, 27-29 maggio 2010

Background teorico In presenza di variabili ordinali, i modelli di misurazione di LISREL si esprimono: errori con y* e x* che rappresentano, rispettivamente, i vettori di dimensione p×1 e q×1 delle variabili sottostanti associate alle variabili ordinali osservate ed h (eta) e x (ksi) i vettori di dimensioni m×1 e t×1 delle corrispondenti variabili latenti endogene ed esogene. XLVII Riunione Scientifica – Milano, 27-29 maggio 2010

Background teorico Il modello strutturale è: In esso compaiono: I tre vettori delle variabili endogene (h), esogene (x) e degli errori (z) Le due matrici dei coefficienti strutturali fra le variabili endogene (fra loro) e tra le variabili esogene ed endogene, rappresentate rispettivamente da B e G. B ha tutti gli elementi sulla diagonale principale nulli e I-B è non singolare. XLVII Riunione Scientifica – Milano, 27-29 maggio 2010

Background teorico La stima del modello, in questo caso, avviene determinando: i valori soglia attraverso il metodo della massima verosimiglianza, condizionatamente a tali stime, le correlazioni policoriche richieste in presenza di dati ordinali, i parametri del modello per mezzo di metodi di stima ad hoc come, ad esempio, il metodo dei minimi quadrati pesati (WLS). XLVII Riunione Scientifica – Milano, 27-29 maggio 2010

L’analisi dei dati Dopo aver rilevato i dati, la fase successiva ha riguardato l’individuazione delle dimensioni latenti che soggiacciono il costrutto Propensione per la lettura; essa è stata svolta attraverso un’analisi fattoriale. I fattori individuati sono stati: lo status sociale (titolo di studio dei genitori, professione del capo famiglia, residenza, età media genitori, numero di libri presenti a casa) e l’occupazione del tempo libero (lettura, cinema/teatro, sport, PC). XLVII Riunione Scientifica – Milano, 27-29 maggio 2010

L’analisi dei dati Successivamente, attraverso il calcolo dell’alpha di Cronbach, è stata valutata l’attendibilità per ciascun fattore latente emerso dall’analisi fattoriale. Esso ha consentito di verificare che tutti gli item raggruppati nei due fattori misurassero in modo coerente il costrutto sottostante (alpha>0.70). La fase successiva ha riguardato la specificazione del modello ad equazioni strutturali con variabili latenti per la misurazione della propensione alla lettura dei ragazzi in relazione all’ambiente familiare e scolastico e la relativa stima dei parametri. XLVII Riunione Scientifica – Milano, 27-29 maggio 2010

Path diagram delle relazioni ipotizzate tra le variabili XLVII Riunione Scientifica – Milano, 27-29 maggio 2010

Indici di Bontà Per misurare la bontà del modello stimato sono stati calcolati i principali indici di adattamento che hanno evidenziato un buon livello generale: c2 = 46.71 df=51, p=0.645 la matrice di varianze e covarianze stimata attraverso il modello non si discosta significativamente dall’analoga matrice calcolata sui dati. Root Mean Square Error of Approximation (RMSEA) = 0,000 Adjusted Goodness of Fit Index (AGFI) = 0,89; Normad Fit Index (NNFI=0.85) XLVII Riunione Scientifica – Milano, 27-29 maggio 2010

Il modello XLVII Riunione Scientifica – Milano, 27-29 maggio 2010

Risultati Dal modello ottenuto si evince che la componente significativa del modello è lo status sociale in cui lo studente vive (g2=0.90). Successivamente si è voluto valutare se esistano differenze nella propensione alla lettura tra ragazzi appartenenti ad anni di corso diversi. A tal fine, prima si è stimato un modello LISREL con il solo fattore “status” e poi si è costruito un modello MIMIC (Multiple Indicators, Multiple Causes) per verificare se esiste eterogeneità tra i gruppi. Il confronto tra il modello originale e quello che include la variabile “anno di corso” che, permette di valutare se per tutti i gruppi si possa considerare un unico modello o se gruppi diversi presentano attitudini diverse, avviene valutando se l’introduzione delle covariate apporti un contributo rilevante all’interpretazione del fenomeno ovvero se aumenti la capacità esplicativa del modello. I risultati non sono però stati soddisfacenti. XLVII Riunione Scientifica – Milano, 27-29 maggio 2010

Alcune considerazioni È possibile interpretare i risultati di tale indagine tra gli studenti intervistati come una maggiore propensione alla lettura per coloro che provengono da una contesto in cui il libro non visto come una costrizione, per chi ha maggiore affezione per tutto ciò che concerne la conoscenza attraverso le classiche forme scritte, per la crescita culturale e formativa e anche come fonte di conoscenza dei fenomeni socio-culturali. I bambini e poi i ragazzi oggi sono sottoposti ad una serie di stimoli forti e molto strutturati- dalla scuola allo sport alla TV al cinema ai videogiochi- che poco spazio lasciano all’immaginazione e alle scelte personali, la lettura costituisce oggi lo strumento adatto a sviluppare ed ad allenare la conoscenza e l’immaginazione. XLVII Riunione Scientifica – Milano, 27-29 maggio 2010

Grazie per l’attenzione Fine