Bias di selezione

Continua l’approfondimento del tema bias analizzando ulteriori tipologie.

Nell’articolo precedente abbiamo introdotto l’argomento bias, abbiamo visto qual è il suo significato e l’origine e abbiamo iniziato a vederne qualche esempio.

In questo articolo continuiamo la carrellata delle varie tipologie di bias. Vediamo infatti cos’è il bias di selezione.

Il bias di selezione è un errore che si verifica quando il processo di selezione dei campioni causa una distorsione nei risultati di uno studio o di un esperimento.

Esso si manifesta quando le informazioni vengono selezionate in modo da favorire una certa narrazione o punto di vista, omettendo o minimizzando fatti che potrebbero contraddirla.

Esempio

Un ricercatore vuole studiare le abitudini di esercizio fisico degli adulti in una grande città. Decide di distribuire un questionario sulla frequenza e l’intensità dell’esercizio fisico nei parchi della città durante i fine settimana.

Problema

Il campione di persone che si trovano nei parchi durante i fine settimana non è rappresentativo della popolazione generale degli adulti della città. Infatti, è molto probabile che chi frequenta i parchi nel weekend abbia abitudini di esercizio fisico diverse rispetto a chi non li frequenta.

CONSEGUENZE DEL BIAS DI SELEZIONE

Sovrastima dell’attività fisica

Le persone che si trovano nei parchi durante i fine settimana potrebbero essere più attive fisicamente rispetto alla media della popolazione. Questo porterà il ricercatore a sovrastimare la frequenza e l’intensità dell’esercizio fisico tra gli adulti della città.

Conclusioni errate

I risultati dello studio potrebbero suggerire che la maggior parte degli adulti in quella città svolge regolarmente attività fisica, mentre in realtà, se si fosse considerato un campione più rappresentativo (ad esempio, selezionando persone casualmente da vari quartieri e in diversi momenti della settimana), i risultati avrebbero potuto mostrare un livello di attività fisica più basso.

Come prevenire il bias di selezione

Per evitare il bias di selezione, il ricercatore dovrebbe assicurarsi che il campione scelto per lo studio sia rappresentativo della popolazione generale. Questo può essere fatto, ad esempio, utilizzando metodi di campionamento casuale, stratificato o a grappolo, in modo da includere persone di diverse età, professioni, livelli socio-economici e così via.

In sintesi, il bias di selezione può portare a conclusioni fuorvianti e non generalizzabili e quindi è essenziale prestare molta attenzione alla metodologia di selezione del campione in qualsiasi studio o ricerca.