Scrivici su WhatsApp
Metodologia

Capitolo metodologico della tesi: come impostarlo passo dopo passo

Team SheetHub · 12 min di lettura

Illustrazione di una ricercatrice che osserva dati su uno schermo, con simboli di interviste, questionari e tabelle intorno

La metodologia è quel capitolo che la maggior parte dei tesisti teme di scrivere. È difficile capirlo bene, da soli, in una settimana. E non è una sezione dove puoi arrangiarti: se il capitolo metodologico è vago o impreciso, il relatore lo vede subito. Se sbagli il campione a maggio, a luglio rifatturi le analisi da capo.

Quello che non molti sanno è che la metodologia della tesi non è qualcosa che decidi mentre scrivi. La decidi all'inizio e poi la documenti. Quando il capitolo metodologico è un disastro, il disastro è stato deciso tre mesi prima, quando nessuno era lì a dire "attenzione, quel campionamento non è quello che vi serve".

In questa guida vediamo cos'è davvero la metodologia, come scegliere tra ricerca qualitativa, quantitativa o mista, come impostare il campionamento, gli strumenti di raccolta dati, validità e affidabilità. Qui mi concentro su cosa scrivere nel capitolo metodologico in modo che il relatore capisca che hai pensato davvero. La statistica che usi per analizzare i dati viene dopo.

Cos'è la metodologia e perché è cruciale

La metodologia della tesi è il piano: come hai disegnato lo studio. Punto primo: il capitolo metodologico documenta il "come" strutturale della ricerca, non quello che hai fatto nel pratico (quello va nei risultati). Documenta il "perché" e i principi che hanno guidato il tuo disegno.

Se la tua tesi è compilativa — solo ricerca di fonti, nessun dato originale — il capitolo metodologico è breve o assente. Dipende dal relatore. Se è sperimentale — tu hai raccolto i dati: interviste, questionari, dati aziendali — allora il capitolo metodologico è centrale. Vale quanto i capitoli teorici insieme. Se non sai ancora quale sia la struttura generale della tua tesi, leggi prima la guida alla struttura della tesi per avere il quadro completo.

Perché è cruciale? Tre ragioni.

Primo: riproducibilità. Uno dei fondamenti della ricerca è che un altro ricercatore deve poter rifare il tuo studio. Se legge il capitolo metodologico, deve capire esattamente cosa hai fatto e poterlo replicare. Se scrivi "ho intervistato imprenditori di Napoli", chi legge pensa: quanti? In quale settore? Come li hai trovati? Che domande hai fatto? Se invece scrivi "ho reclutato 15 imprenditori del settore moda tramite le camere di commercio locale, tra maggio e luglio 2025, con una traccia di intervista semi-strutturata di 12 domande aperte sui processi di digitalizzazione", allora qualcuno può farla di nuovo. Questa è la differenza tra una tesi e uno sfogo.

Secondo: credibilità. Un relatore non valuta solo cosa hai trovato. Valuta se lo hai trovato bene. Se il disegno di ricerca è solido, i risultati significano qualcosa. Se è traballante, i risultati sono casualità. È la differenza tra una scoperta e un incidente.

Terzo: ridurre l'improvvisazione. Se decidi nel momento in cui scrivi il capitolo metodologico quale metodologia usare, è tardi. Sei già a giugno. Il relatore ti dirà cose che avresti dovuto decidere a gennaio. Avere il capitolo metodologico chiaro prima di partire con lo studio ti risparmia le settimane peggiori.

Ricerca qualitativa vs quantitativa vs mista

È la scelta fondamentale. Quando dici "faccio una ricerca", scegli non uno stile ma un intero ecosistema di strumenti e un impianto complessivo della tesi. Ognuna ha ragioni per usarla e limiti che devi accettare.

Ricerca qualitativa: studi il fenomeno dal dentro, con poche unità di osservazione, molta profondità. Immagina 15 interviste a imprenditori sulla loro esperienza di transizione digitale. Raccolta dati: interviste semi-strutturate, focus group, osservazione, analisi di documenti. Analisi: codifica, temi ricorrenti, interpretazione narrativa. Obiettivo: il "come" e il "perché", non il "quanto".

Ricerca quantitativa: studi il fenomeno con numeri, molte unità di osservazione, strutturato rigidamente. Immagina 300 risposte a un questionario su scala Likert su soddisfazione lavorativa. Raccolta dati: questionari a risposta chiusa, test psicometrici, dati esistenti come database aziendali o ISTAT. Analisi: test statistici, medie, regressioni. Obiettivo: misurare, generalizzare, testare ipotesi.

Ricerca mista: combini entrambi, di solito con una prioritaria. Immagina 10 interviste per disegnare il questionario, poi 200 questionari online per testare le ipotesi, poi 5 interviste finali per interpretare risultati inattesi. Raccolta e analisi: entrambi gli approcci, sequenziali o paralleli. Obiettivo: profondità e generalizzabilità.

Quando scegliere ciascuna

Scegli qualitativa se:

Scegli quantitativa se:

Scegli mista se:

Errore che vediamo spesso: scegliere il metodo in base a quello che il relatore conosce bene, non in base a quello che serve alla domanda di ricerca. "Il nostro dipartimento usa sempre quantitativo" non è una ragione. La tua domanda lo richiede o no.

Secondo errore: confondere qualitativa con "semplice". Qualitativa con rigore è complessa quanto quantitativa. Se fai 15 interviste, 10 righe di racconto per ognuna, senza una codifica sistematica, senza tracciabilità di cosa è emerso dove — la ricerca non è trasparente. Il relatore lo vede subito.

Definire la domanda di ricerca e le ipotesi

Anche questa va decisa prima di scrivere il capitolo metodologico. Se non ce l'hai chiara, il capitolo sarà vago.

Una domanda di ricerca è quello che vuoi capire. È una domanda, non un'affermazione. Esempi:

Una ipotesi (ipotesi di ricerca, non ipotesi statistiche, sono cose diverse) è una previsione testabile. Esempi:

Come definirle:

Rileggi il capitolo teorico. Cosa emergeva? Quali gap, quali domande aperte? Manda una mail al relatore con tre proposte di domanda di ricerca e chiedi quale lo convince di più. Non deve essere perfetta. Deve orientare il disegno.

Se è ricerca qualitativa, una sola domanda di ricerca basta. Se è quantitativa, puoi avere 2-4 ipotesi.

Il capitolo metodologico inizia sempre con la domanda di ricerca esplicita — "La domanda che guida questo studio è: ..." — e le ipotesi se ci sono. Accanto scrivi perché quella domanda. Una frase: cosa ne sanno gli altri, cosa manca.

Strumenti di raccolta dati (questionario, intervista, osservazione)

La scelta dello strumento dipende dalla metodologia e dalla domanda.

Intervista semi-strutturata (qualitativa): tu hai una traccia di 10-15 domande, il rispondente parla, tu guidi senza interrompere. Dura 45-120 minuti. Buona per capire processi, esperienze, significati. Difficile: devi saperla fare senza che si noti. La prima intervista è sempre mediocre, dalla quinta cominci a migliorare. Se puoi, fai 2-3 pilota prima di contare.

Focus group (qualitativa): 6-10 persone attorno a un tavolo, tu moderi, una traccia, li lasci parlare. Dura 90-120 minuti. Buono per esplorare, tirare fuori disaccordi, capire come il gruppo costruisce significato. Difficile: moderare 8 persone contemporaneamente, stare attento ai silenzi (chi non parla?), non farti dominare da uno che parla troppo.

Questionario (quantitativa): domande strutturate, risposte a scelta. Online con Google Form, Qualtrics, o cartaceo. Lo distribuisci a 100-300 persone. Vantaggio: tanti dati, analizzabili statisticamente. Svantaggio: le persone compilano male, abbassano la qualità della risposta, smettono a metà. Il design del questionario è cruciale — una domanda confusa significa 100 risposte confuse. Se non sai come disegnare questionari, non improvvisare. Abbiamo una guida dedicata su come costruire un buon questionario di tesi che approfondisce le tecniche di redazione e validazione.

Osservazione sistematica (qualitativa): tu osservi il comportamento, prendi appunti strutturati secondo una griglia. Esempi: come un'azienda conduce un meeting, come i dipendenti usano lo spazio di co-working, come funziona il servizio al cliente. Buono: dati "veri", non raccontati a posteriori. Difficile: sei solo tu, i bias di osservazione sono molti, serve addestramento.

Dati esistenti (quantitativa o qualitativa): usi dati che un'azienda, un'istituzione, un database pubblico già hanno. Esempio: dati ISTAT, dati aziendali sulla performance, articoli di giornale analizzati qualitativamente. Vantaggio: non devi raccoglierli, costa meno. Svantaggio: non sono disegnati per la tua domanda, potrebbe mancare una variabile che ti serve.

Errore frequente: scegliere lo strumento prima di sapere cosa vuoi. "Farò un questionario" — semplice, online, bello. Poi scopri che la tua domanda di ricerca richiede profondità che 30 domande chiuse non danno. Inverti: domanda → metodologia → strumento. In quest'ordine.

Campionamento

Qui molti studenti si perdono. Il campionamento è la descrizione sistematica di "chi e come ho selezionato le unità di osservazione". Non è un dettaglio, è una delle cose che il relatore valuta di più. Se il campionamento è sbagliato, tutti i dati sono inquinati.

Probabilistico

Ogni unità della popolazione ha una probabilità nota e non nulla di essere selezionata. Consente generalizzazione statistica. Tecniche:

Campionamento casuale semplice: estrai N nomi da una lista di M. Esempio: 100 clienti da una lista di 1000. Purché la lista sia completa e l'estrazione sia casuale, funziona. È raro nelle tesi triennali perché serve una lista.

Campionamento stratificato: se la popolazione ha gruppi — fasce di reddito, aree geografiche, genere — estrai proporzionalmente da ogni strato. Esempio: se il 30% della popolazione è donna, il 30% del campione è donna. Più preciso, ma serve conoscere gli strati prima.

Campionamento sistematico: prendi ogni k-esimo elemento da una lista ordinata. Esempio: lista di 1000 clienti, campione 100 → prendi ogni 10° cliente. Semplice, pseudo-casuale.

Quando usi probabilistico? Quando vuoi generalizzare a una popolazione definita e hai accesso a una lista di quella popolazione. Esempio: "Voglio capire la soddisfazione dei dipendenti dell'azienda X" → hai la lista di tutti i dipendenti, estratti casualmente, generalizzi all'azienda.

Svantaggio: serve una lista che spesso non hai, serve più tempo, più difficile da spiegare.

Non probabilistico

Non tutte le unità hanno la stessa probabilità di essere selezionate. Non consente generalizzazione statistica rigorosa, ma è realista per molte tesi.

Campionamento per convenienza: scegli i rispondenti perché sono facilmente accessibili. Esempio: allarghi il questionario agli studenti della tua università perché sono a portata di mano. Non rappresentativo, lo ammetti, non generalizzi.

Campionamento a palla di neve: il primo rispondente ti presenta il secondo, il secondo il terzo. Buono quando la popolazione è nascosta o difficile da raggiungere — persone con certi disturbi, imprenditori in settori informali. Il rischio: tutti si somigliano perché sono amici di amici.

Campionamento intenzionale (purposive): scegli intenzionalmente unità che incarnano la variabilità che ti interessa. Esempio: per capire il change management in azienda, scegli volutamente una startup (cambiamento veloce), un'azienda consolidata (cambiamento lento), una pubblica amministrazione (vincoli normativi). Non casuale, ma ragionato.

Campionamento per quota: simile allo stratificato, ma non casuale. Scegli di intervistare 5 manager e 5 dipendenti. Consente qualche controllo sulla variabilità senza lista iniziale.

Quando usi non probabilistico? Quasi sempre nelle tesi, onestamente. Sei uno studente, non hai una lista della popolazione, non hai risorse per estrazione casuale. Usa non probabilistico, scrivilo chiaramente, ammetti il limite: "Il campione non è rappresentativo della popolazione, quindi i risultati non sono generalizzabili statisticamente, ma illustrativi della complessità del fenomeno."

Errore comune: pensare che non probabilistico sia male. Non è vero. È diverso. Se è ben disegnato e ben descritto, è solido. Se è vago — "ho intervistato alcuni manager" — non è solido.

Validità e affidabilità

Sono due concetti che confondono molti studenti, ma guidano la qualità della ricerca.

Validità interna: i risultati rispecchiano davvero il fenomeno che intendo misurare, o ci sono bias? Se misuro "soddisfazione lavorativa" con una sola domanda — "Sei soddisfatto sì/no?" — quanto è valido? Non molto. Tre domande, scale diverse, tocchi più aspetti della soddisfazione? Più valido.

Validità esterna: i risultati si possono generalizzare oltre il mio campione? Dipende dal campione (probabilistico → sì, non probabilistico → con cautela), dalla numerosità (30 interviste danno indicazioni, non certezze), dal contesto (risultati da una startup non valgono per una multinazionale, anche se simili).

Affidabilità (fedeltà, reliability): se ripetessi lo studio domani con lo stesso metodo, avresti gli stessi risultati? Se il questionario è poco chiaro, persone diverse lo interpreteranno diversamente. Bassa affidabilità. Se la domanda dell'intervista è ambigua, la risposta varia. Bassa affidabilità. Alta affidabilità significa coerenza, trasparenza, ripetibilità.

Come aumentarle:

Per validità: aggiungi misure multiple, cita la letteratura che supporta come misuri le cose, descrivi bene. "Soddisfazione lavorativa" per me è la media di risposte su scala 1-5 a tre domande su autonomia, riconoscimento, prospettive.

Per affidabilità: scrivi le domande chiaramente, senza ambiguità, testale in pilota con 3-5 persone, raccogli feedback, rivedi. Nel qualitativo: una griglia di codifica chiaramente descritta, due ricercatori che codificano lo stesso testo in modo coerente (inter-rater reliability).

Nel capitolo metodologico ci va una sezione "Validità e affidabilità" o "Qualità della ricerca", deve essere esplicita. Il relatore valuta qui se hai pensato ai limiti della tua ricerca e se li hai gestiti.

Esempio di paragrafo metodologico già scritto

Cosa scrivere, per darti l'idea della lunghezza e dello stile:

2.1 Disegno di ricerca e domanda di ricerca

Lo studio ha adottato un approccio qualitativo esplorativo per rispondere alla seguente domanda di ricerca: "Come i manager delle PMI manifatturiere affrontano il passaggio verso modelli organizzativi più agili durante la digitalizzazione?" La metodologia qualitativa è stata scelta perché il fenomeno di transizione verso agilità organizzativa è ancora poco noto in letteratura per il segmento delle PMI, e una raccolta di dati ricca di contesto è necessaria per comprendere i fattori che facilitano o ostacolano questo processo.

2.2 Campionamento e partecipanti

Il campione è stato selezionato attraverso un approccio intenzionale (purposive sampling). Sono state condotte 12 interviste semi-strutturate con manager (responsabili risorse umane, operation o strategia) di 10 diverse PMI manifatturiere del Nord-Est Italia, in attività da almeno 15 anni, con una forza lavoro tra 20 e 150 dipendenti e che avevano avviato processi di digitalizzazione negli ultimi 2-3 anni. I criteri di selezione erano: (a) azienda nel settore manifatturiero; (b) processo di digitalizzazione in corso; (c) disponibilità del manager a una intervista di 60-90 minuti. Il reclutamento è avvenuto tramite contatti con associazioni industriali locali e network personale (bolla di neve in parte). Non è stato possibile estrarre un campione probabilistico per i vincoli di accesso; pertanto, i risultati non sono generalizzabili statisticamente, ma forniscono spunti sulla complessità del fenomeno.

2.3 Strumento di raccolta dati

È stata utilizzata un'intervista semi-strutturata con una traccia di 14 domande aperte, organizzate attorno a quattro aree: (a) percezione del cambiamento organizzativo; (b) strategie di implementazione della digitalizzazione; (c) ostacoli e facilitatori percepiti; (d) ruolo della leadership nel processo. Ogni intervista è durata in media 73 minuti (range 58-95 min), è stata registrata in audio previo consenso e trascritta integralmente. Le trascrizioni coprivano circa 180 minuti di audio per manager, corrispondenti a una media di 3000 parole per partecipante.

2.4 Analisi dei dati

I dati sono stati analizzati utilizzando un approccio di codifica tematica iterativo. Una lista preliminare di temi è stata derivata dai capitoli teorici (top-down), e integrata con temi emersi dal testo (bottom-up). Ogni trascrizione è stata codificata da due ricercatori in modo indipendente; discrepanze sono state risolte attraverso discussione. L'accordo inter-rater (Cohen's kappa) è stato 0,73, considerato sostanziale. I temi sono stati organizzati in categorie superiori attorno al modello teorico di riferimento.

2.5 Qualità della ricerca: validità e affidabilità

Per aumentare la validità interna, sono stati adottati i seguenti accorgimenti: (a) triangolazione metodologica attraverso confronto dei dati di intervista con documenti aziendali (cartelle di progetto digitalizzazione); (b) membro-checking, cioè restituzione dei temi emersi ai manager per validazione; (c) esplicitazione dei bias del ricercatore (esperienza pregressa in consulenza organizzativa). Per l'affidabilità, è stata mantenuta una pista di audit: tutti i passaggi di codifica, revisione e sintesi sono stati documentati e conservati. Le limitazioni della ricerca sono: (a) campione piccolo non probabilistico, non generalizzabile statisticamente; (b) fenomeno locale (Nord-Est), risultati non necessariamente validi in altre aree; (c) bias di auto-selezione (aziende disponibili a parlare possono non rappresentare chi è in difficoltà).

Questo paragrafo non è lungo, ma è specifico. Non dice "ho intervistato persone" — dice quante, come le ha scelte, perché quel modo, cosa ha chiesto, come ha analizzato, cosa ha fatto per assicurarsi qualità.

Un buon capitolo metodologico è lungo circa 15-30 pagine in una magistrale, più breve in una triennale — 5-10 pagine. Dipende dalla complessità dello studio. Non è la sezione più lunga (i teorici sono più lunghi), ma è la più precisa.

La metodologia è un disegno prima ancora di essere un capitolo.

Se arrivi a scrivere il capitolo metodologico avendo già deciso il campione, il questionario, gli strumenti — il capitolo viene da solo. Se stai inventando mentre scrivi, il disegno non è solido.

Il nostro team di supporto metodologico lavora proprio qui. Non scriviamo il capitolo per te, ma sediamo tre ore per disegnare la ricerca in modo che tu sappia esattamente cosa scrivere dopo e quali errori evitare.

Errori comuni e come evitarli

Campione troppo piccolo in quantitativo: 30 rispondenti sono pochi, statisticamente. 100 è il minimo accettabile per un'analisi quantitativa seria. Se non riesci a raggiungerli, passa a qualitativo.

Confondere campionamento con numero: "Ho intervistato 20 persone, quindi il campionamento è solido." No. Il campionamento è come le hai scelte. Potresti averne intervistate 100 tutte amiche tue — povero campionamento. Oppure 10 scelte intenzionalmente per variabilità — buon campionamento.

Domanda di ricerca troppo larga: "Voglio capire il cambiamento organizzativo." Troppo vago. Specifica: cosa del cambiamento, in quale settore, in quale momento, quale ruolo — leader, dipendente, esterno?

Non descrivere il processo di analisi: Hai fatto 15 interviste, poi cosa? Come hai identificato i temi? Con quale software — NVivo, Dedoose, anche Excel se lo dici? Quando dici "è emerso che...", il relatore legge "non so come analizzare i dati". Sii preciso.

Fare ricerca con metodo che non ti appassiona: Se hai scelto qualitativa perché "più facile", non è. È diversa. Non facile, diversa. Se l'approccio non ti appassiona, il capitolo si vede. E il relatore lo legge.

Il tempo che non c'è.

Capire davvero come disegnare una metodologia richiede letture, discussioni, prove. Se sei a due mesi dalla consegna e non sai ancora quale metodologia, potrebbe servire una mano da chi ha esperienza. Non è per pigrizia. È perché la logistica conta: tre ore di call con qualcuno che ha visto 50 tesi metodologicamente solide ti risparmia settimane di tentativo-errore.

Abbiamo un team proprio per questo. Guardiamo insieme il tuo disegno di ricerca, ti mettiamo su una chiamata strutturata, valutiamo cosa è già solido e cosa serve aggiustare, risolviamo i dubbi che il solo libro non chiarisce.

Hanno finto di capire fino a qui. La metodologia è il cuore di una tesi sperimentale: domanda di ricerca → metodologia (qualitativa, quantitativa, mista) → campionamento e strumenti → analisi → risultati. Se il primo anello è chiaro, il resto segue. Se il primo è confuso, il resto cade.

Non è sufficiente che il relatore approvi il capitolo metodologico. Serve che anche tu lo capisca. Che tu sappia perché quella metodologia, non un'altra. Perché quel campionamento. Se lo sai, quando il relatore legge il capitolo, vede qualcuno che ha pensato davvero.

Una cosa per finire. Capita che uno studente arrivi a questa fase senza una visione chiara di quello che stava facendo in laboratorio. Oppure il relatore è tanto orientato alla teoria che difficilmente entra nel merito metodologico. Quando accade, avere qualcuno che sedendosi con te tre ore ti dice "guarda, il tuo campionamento è pensato così, ora scriviamolo bene e niente di quello che pensavi è perso" fa davvero la differenza. Ti lascia consapevole — non solo copiato. Rende solida una tesi che poteva rimanere fragile metodologicamente.

Il capitolo metodologico non è una formalità. È il fondamento di tutto quello che viene dopo.