Corso intensivo: Mixed Methods and AI
Docente:
Marcello Morciano è professore associato di Economia presso il Dipartimento di Economia “Marco Biagi” dell’Università di Modena e Reggio Emilia e vice-direttore del CAPP – Centro di Analisi delle Politiche Pubbliche. Ha conseguito un MSc in Applied Economics and Data Analysis e un PhD in Economics presso l’Università di Essex (Regno Unito), oltre a un dottorato in Economia presso l’Università di Bologna. Ha lavorato come ricercatore nel Regno Unito, in particolare presso la University of East Anglia e la University of Manchester, dove è Honorary Senior Lecturer. È inoltre Visiting Research Associate presso la London School of Economics (Regno Unito).
Tutor: Renato Piombini, Dottorando in Lavoro Sviluppo e Innovazione, Univ. di Modena e Reggio Emilia e Fondazione Marco Biagi
La crescente complessità dei fenomeni sociali richiede strumenti capaci di integrare prospettive, dati e livelli di analisi differenti. I Metodi Misti offrono un quadro avanzato per combinare metodi qualitativi e quantitativi, superando i limiti dei singoli paradigmi e ampliando la comprensione dei processi socio-economici, giuridici e ambientali.
L’obiettivo del corso, realizzato nell’ambito della Scuola di Metodi Qualitativi e Misti per la Ricerca Sociale, intende sviluppare competenze operative per progettare ricerche solide e orientate all’impatto nei campi dell’economia, dell’impresa, del diritto e dell’analisi delle politiche pubbliche.
Un elemento distintivo è l’uso critico dell’intelligenza artificiale, che potenzia codifica, analisi e integrazione dei dati senza sostituire il ruolo interpretativo del ricercatore.
Giorno 1:
Basi dei mixed methods e ragioni dell’integrazione tra qualitativo e quantitativo. Principali orientamenti epistemologici (pragmatismo, realismo critico) e disegni di ricerca mixed (sequenziale, convergente, incorporato, trasformativo) con esempi dalla letteratura.
Giorno 2:
Le quattro strategie di integrazione (connecting, building, merging, embedding) e i framework di valutazione della qualità (GRAMMS, MMAT), con particolare attenzione a come documentare in modo trasparente e replicabile l’intero processo per la pubblicazione scientifica.
Giorno 3:
Mixed methods in pratica dell’economia, dell’impresa, del diritto, degli studi socio‑giuridici e dell’analisi delle politiche pubbliche. Analisi comparata di articoli pubblicati, discussione guidata dei progetti dei partecipanti e adattamento del disegno di ricerca ai diversi contesti disciplinari.
Giorno 4:
Tecniche di NLP (topic modeling, sentiment analysis, classificazione) e potenzialità dei LLM per la codifica qualitativa assistita. Riflessione critica su etica, validità e trasparenza nell’uso degli strumenti generativi nella ricerca sociale.
Giorno 5:
Esercitazione estesa di testi e dati strutturati, dal pre-processing all’analisi, fino alla costruzione di joint displays e alla valutazione della qualità dei risultati. Presentazione e discussione dei progetti dei partecipanti.
Il corso combina lezioni frontali, esercitazioni quotidiane con strumenti computazionali e tecniche di intelligenza artificiale, con discussioni guidate di casi provenienti da diverse discipline, selezionate in base agli interessi dei partecipanti. L’approccio è fortemente partecipativo, con docente, tutor e partecipanti che lavorano insieme favorendo domande, confronto e contributi critici e scambio di esperienze.
Le esercitazioni guidate dal tutor completano le lezioni, permettendo di applicare subito le metodologie ai propri progetti di ricerca.
Il corso è rivolto a studenti magistrali, dottorande/i, assegnisti/e ed early career researchers provenienti da diverse aree delle scienze sociali e umane. È pensato per chi possiede una familiarità di base con l’analisi quantitativa e desidera acquisire in modo solido e critico i metodi misti, esplorando al tempo stesso le potenzialità dell’intelligenza artificiale per la ricerca contemporanea.
Non sono richieste competenze di programmazione: le esercitazioni con Python saranno guidate, accessibili anche a chi non ha esperienza di coding, e orientate al learning by doing per permettere ai partecipanti di sperimentare strumenti digitali e tecniche di analisi in modo pratico e progressivo.
Il corso è particolarmente indicato per chi vuole integrare dati, metodi e prospettive diverse nei propri progetti, sviluppando un approccio rigoroso, consapevole e responsabile nella ricerca sociale.
È consigliata la lettura del materiale introduttivo fornito prima dell’inizio delle attività, per facilitare la partecipazione attiva alle sessioni teoriche e ai laboratori.