Il seminario ha come obiettivo quello di fornire una panoramica completa sul paradigma del Total Survey Error, illustrando come ogni fase di un’indagine statistica possa introdurre distorsioni e come sia possibile limitarle attraverso scelte metodologiche e operative mirate. Vengono analizzati innanzitutto gli errori di rappresentatività – copertura, campionamento, non risposta e aggiustamento – mostrando come ciascuno influenzi la qualità del campione e la validità delle stime. Attraverso esempi reali (CATI, CAWI, panel online) si evidenziano squilibri tipici e si propongono soluzioni concrete come approcci mixed-mode, reclutamenti eterogenei, gestione strutturata dei richiami e uso appropriato delle variabili ausiliarie. La seconda parte affronta gli errori di misura, descrivendo i meccanismi cognitivi della risposta e i fattori che possono comprometterla nelle interviste telefoniche e online. Sono presentate strategie per la standardizzazione delle CATI, per la riduzione dello sforzo cognitivo nelle CAWI, e per il controllo della qualità tramite tecniche anti-cheater e anti-bot, incluse le nuove criticità legate all’uso dell’intelligenza artificiale. Infine viene discusso il ruolo crescente dell’AI nella ricerca: dalla costruzione dei questionari all’analisi e reportistica.