pozitivist metodoloji ve Ötesi - | prof. dr. İrfan erdogan · kapak tasarımı ve dizgi İrfan...

Pozitivist Metodoloji

Ve Ötesi Araştırma Tasarımları

Niteliksel ve İstatistiksel Yöntemler

irfan erdoğan

Geliştirilmiş 3. Baskı

Erk Yayınları, 2012

İrfan Erdoğan

Pozitivist Metodoloji ve Ötesi: Araştırma Tasarımları, Niteliksel ve İstatistiksel Yöntemler Genel Yayın ve Dağıtım

© Kadir Erdoğan (ERK), 2012

Karargahtepe Mah. Lületaşı Sok. No: 14/10

Keçiören, Ankara

Tel: 312-3609982

Cep irtibat: 0532-411 2071

Eposta: [email protected]

Tüm Hakları Saklıdır

ISBN 978-605-89776-2-4

1. Baskı, Eylül 2003

2. Geliştirilmiş Baskı, Ağustos 2007

3. Geliştirilmiş Baskı, Ocak 2012

Orijinal kapak tasarımı

Mehmet Sobacı

Kapak Tasarımı ve dizgi

İrfan Erdoğan

Baskı ve Cilt

Pozitif Matbaacılık

Tel: (312) 397 0031

İÇİNDEKİLER

GİRİŞ ................................................................................................ 13

BÖLÜM I: FELSEFE, BİLİM, ARAŞTIRMA VE TOPLUM BAĞI ...... 17 FELSEFE VE BİLGİ KURAMI ...................................................... 17 BİLİM VE YÖNTEMBİLİM ............................................................ 26 BİLİMDE NESNELLİK SORUNU ................................................. 29 BİLİMSEL ARAŞTIRMANIN AMAÇLARI ...................................... 32 BİLİM VE BİLİM ADAMI ............................................................... 36 ARAŞTIRMAYI ÖĞRENME, ÖĞRETME VE YAPMA SORUNU . 39 BİLGİ, BİLGİNİN KAYNAKLARI, ERİŞİM, GÜÇ VE FAYDA ........ 42 BİLİMDE TUTARLILIK ................................................................. 49

Yanlış Önermeli ve Alakasız Argüman Biçimleri ..................... 49 1. Otoriteye başvurarak destekleme ................................. 49 2. Otoriteye başvurarak reddetme .................................... 50 3. Güce başvurarak sonucu/kararı kabul ettirme .............. 50 4. Acıma duygusuna hitap etme ....................................... 50 5. Cehalete/Bilmemeye başvurma .................................... 51 6. Saman adama (Korkuluğa) başvurma .......................... 51 7. Popüler duygu ve düşüncelere başvurma ..................... 52 8. Acele genelleştirmeler ................................................... 53 9. Geneli her özele uygulama ........................................... 53 10. Hatalı benzetme ............................................................ 54 11. Yanlı soruyla yönlendirmeye başvurma ........................ 54 12. Alakasız sonuçla yanıtlama .......................................... 54 13. İki anlamlı dil kullanımına başvurma ............................. 55

Koşullu Tartışmada Yanlış Kurulan Nedensellik ..................... 55 Nedensellik ............................................................................. 56

BİLİMSEL ARAŞTIRMADA ETİK SORUNU ................................. 57

İçindekiler iv

BÖLÜM II: GİRİŞ: KONU VE SORUN BELİRLEME ........................ 61 TEMEL KONU/SORUN BELİRLEME BİÇİMLERİ ........................ 69

Uygulama Biçimine Göre Sorun Biçimleri ............................... 69 Konunun/Problemin Karakterine Göre Sorun Formülü ............ 72 Değişken Kullanımına Göre Sorun Formülü ........................... 73

1. Tek-değişkenli betimleyici sorun formülü ...................... 73 2. İki ve çok değişkenli betimleyici sorun formülü ............. 74 3. Tek değişkenli sonuç çıkarıcı sorun formülü ................. 74 4. İki ve çok değişkenli sonuç çıkarıcı sorun formülü ........ 74 5. Tek değişkenli tahminsel sorun formülü ........................ 75 6. İki veya çok değişkenli tahminsel sorun formülü ........... 75

YETERLİ SORUN BELİRLEME ................................................... 75 Sorun belirlemenin bilgi birikimine dayanması ........................ 76 Sorunda Açıklık ve Berraklık ................................................... 77 Sorunda Orijinallik ................................................................... 78 Sorunda Sınanabilirlik ............................................................. 78 Sorunda Kuramsal Anlamlılık .................................................. 79 Sorunda Bağıntılılık/ İlişkililik ve Uygunluk .............................. 79 Sorunda Toplumsal Anlamlılık ................................................ 81

ARAŞTIRMANIN YAPILABİLİRLİLİĞİ .......................................... 82 ARAŞTIRMANIN AMACI VE ÖNEMİ ........................................... 83 İLGİLİ İNCELEMELER ................................................................. 84 KURAMSAL ÇERÇEVE: KURAMIN ANLAMI VE GÖREVİ ......... 86 ARAŞTIRMA SORULARI VE HİPOTEZLER ................................ 94

Araştırma Soruları ve Hipotezlerin Çıkartılması ...................... 95 Araştırma Soruları ve Hipotezlerin Sunumu ............................ 98 Araştırmada Birimler ve Birimlerin Seçimi ............................. 104 Kuramsal ve İşlevsel Tanımlamalar ...................................... 105

İçindekiler v

BÖLÜM III: YÖNTEM ...................................................................... 109 ARAŞTIRMANIN KAPSAMI ....................................................... 110 ARAŞTIRMA TASARIM TÜRLERİ ............................................. 110

Niteliksel ve Niceliksel Araştırma ......................................... 112 Niteliksel Tasarım Türleri ..................................................... 117

1. Niteliksel İçerik Analizi Tasarımı: genel ...................... 117 2. Niteliksel: Semantik İçerik analizi ................................ 118 3. Etnometodoloji/Karşılıklı konuşma analizi tasarımı .... 120 4. Diskors/söylem analizi tasarımı .................................. 122 5. Diskors analizi: Foucaultçu, Post-Foucaultçu tasarım 128 6. Diskors analizi: Bakhtinci araştırma tasarımı .............. 128 7. Critical/Eleştirel Diskors analizi tasarımı .................... 129 8. İdeolojik analiz ........................................................... 131 9. Marxçı analiz .............................................................. 135 10. Öykü analizi (Narrative analysis) ............................... 138 11. Retorik analizi tasarımı ............................................. 148 12. Metinsel analiz (metin analizi) ................................... 149 13. Göstergebilimsel analiz .............................................. 152 14. Tarihsel araştırma tasarımı ........................................ 155 15. Fenomenolojik tasarım ............................................... 157 16. Niteliksel saha araştırması ......................................... 158 17. Geleneksel ve eleştirel etnografya ............................ 159 18. Kültürel incelemeler tasarımları .................................. 160 19. Eylem/faaliyet araştırması ........................................ 160 20. Olay/vaka araştırma tasarımı ..................................... 162 21. Eser/ürün analizi tasarımı .......................................... 164 22. Alımlama analizi ve “yeni izleyici araştırması” ............ 166 23. Grounded Theory tasarımı ........................................ 167

Niceliksel Tasarım Türleri: Bilme seviyesine göre ................. 169 1. Keşfedici araştırma tasarımı ....................................... 169 2. Tanımlayıcı / betimleyici araştırma tasarımı ................ 169

İçindekiler vi

3. Ortak ilişki tasarımı ..................................................... 171 4. Nedensellik ilişkisi tasarımı ......................................... 172

Niceliksel Tasarım Türleri: Karşılaştırmalara göre ................ 175 1. Değişkenleri karşılaştırma ........................................... 175 2. Grupları karşılaştırma ................................................. 175

Niceliksel Tasarım Türleri: Zaman içindeki değişimi bulma ... 176 1. Kalkınma/Gelişme araştırma tasarımı ......................... 176 2. Çapraz-kesitsel tasarım (Cross sectional design) ....... 178 3. Uzun süreli (longitudinal) tasarım ............................... 178 4. Tekrarlanan ölçümler tasarımı (Repeated measures) . 179

Niceliksel Tasarım Türleri: Diğer ........................................... 180 1. Niceliksel içerik analizi tasarımı ................................. 180 2. Durum belirleme araştırması (assessment research) . 187 3. Değerlendirme araştırması (evaluation research) ....... 189

Gerçek Deneysel Tasarım .................................................... 194 1. Sadece sonrası testi olan tek grup tasarımı ................ 195 2. Öncesi-sonrası testi olan tek grup tasarımı ................. 196 3. İki grup, sonrası testi, rastlantılı tasarım ..................... 196 4. İki grup, önce-sonra testi, rastlantılı tasarım ............... 197

VERİLERİN NEREDEN TOPLANACAĞI: KAYNAKLAR ............ 199 VERİLERİN NEREDEN TOPLANACAĞI:

NÜFUS VE ÖRNEKLEM ........... 201 Nüfus ve Örneklemle İlgili Kavramlar .................................... 202 Örneklem Sayısının Belirlenmesi .......................................... 204 Olasılıklı Örneklem Alma (probability sampling) ................... 205

1. Basit rastlantısal örneklem (simple random sampling) 205 2. Kademeli rastlantısal örneklem (stratified random) ..... 206 3. Sistemli rastlantısal örneklem (systematic random) .... 206 4. Küme, grup ve alan rastlantısal örneklem ................... 207 5. Çok-safhalı örneklem .................................................. 207

İçindekiler vii

Olasılıklı Olmayan Örneklem Alma ....................................... 208 1. Kazara veya uygun gelen örneklem ............................ 209 2. Amaçlı örneklem ......................................................... 210

VERİLERİN NASIL TOPLANACAĞI: TEKNİKLER .................... 214 Standart Testler ve Ölçeklerle Veri Toplama ........................ 215 Anket sorularıyla veri toplama ............................................... 216 Projektif Yöntemler ................................................................ 217 Gözlemle Veri Toplama ......................................................... 217 Sosyometri ............................................................................ 220 Görüşme (Mülakat) ............................................................... 220 Grup Görüşmesi: Fokus Grup ............................................... 222 Gizli, Görünmeden, Girmeden Veri Toplama Yolları ............. 224

1. Dolaylı ölçmelerle veri toplama ................................... 225 2. İçerik analiziyle veri toplama ....................................... 226 3. Hazır veriyi kullanma (ikincil veriler) ............................ 226

VERİ TOPLAMAK İÇİN SORU OLUŞTURMA ........................... 227 VERİ TOPLAMA SORUNLARI VE ÇÖZÜMLER ........................ 230 NEYİN ÖLÇÜLECEĞİ: DEĞİŞKENLER ..................................... 231

Değişken Türleri .................................................................... 236 1. Ölçülen, maniple edilen ve aktif değişkenler ............... 236 2. Bağımsız ve bağımlı değişkenler ................................ 236 3. Demografik değişkenler .............................................. 237 4. Sürekli ve kategorili değişkenler ................................. 238 5. Araya giren değişkenler .............................................. 238 6. Yapma (dummy) değişken .......................................... 240

Değişkenlerin Önemli Diğer Özellikleri .................................. 240 NEYİN NASIL ÖLÇÜLECEĞİ: ÖLÇME VE ÖLÇEKLER ............ 242

Ölçme Nedir? ........................................................................ 242 Ölçekler ................................................................................. 242 Ölçme Seviyeleri ................................................................... 243

1. İsimsel ölçekler ve ölçme ............................................ 244

İçindekiler viii

2. Kademeli ölçekler ve ölçme ........................................ 244 3. Mesafeli ölçekler ve ölçme .......................................... 246 4. Oranlı ölçekler ve ölçme (ratio measure) .................... 246

Ölçekleri Gruplandırma ......................................................... 247 Ön Test (Pilot Test) ............................................................... 248 Temel Ölçek türleri ................................................................ 248

1. Likert ........................................................................... 248 2. Thurstone .................................................................... 250 3. Guttman ...................................................................... 250 4. Sosyal mesafe ölçeği (Bogardus) ............................... 251 5. Osgood’un Semantik Ayırım testi ................................ 251 6. Q sort .......................................................................... 252

İndeks Kullanımı.................................................................... 252 Toplamalı Testler (summative tests) ..................................... 253

VERİLERİN NASIL ANALİZ EDİLECEĞİ: TÜR VE ANLAMI ...... 253 GÜVENİLİRLİK VE GEÇERLİLİK SORUNU .............................. 257

Ölçmenin Geçerliliği: Tasarımın Kalitesi ............................... 257 Ölçmenin Güvenilirliği ........................................................... 261 Geçerlilik ve Güvenilirlik Bağı ................................................ 264

ARAŞTIRMANIN SINIRLILIKLARI ............................................. 264

BÖLÜM IV: VERİ KODLAMA VE SPSS’E GEÇİRME ................... 265 VERİ KODLAMA ....................................................................... 265 VERİLERİ SPSS’E GİRME ........................................................ 271

BÖLÜM V: ANALİZ: TEMEL BİLGİLER ........................................ 273 NİTELİKSEL VE NİCELİKSEL ANALİZLER ............................... 273 PARAMETRİK VE PARAMETRİK OLMAYAN ANALİZ .............. 278 TASARIMIN AMACINA GÖRE ANALİZ TÜRLERİ ..................... 279 DEĞİŞKEN SAYISINA GÖRE ANALİZ TÜRLERİ ...................... 285

İçindekiler ix

BÖLÜM VI: TEK DEĞİŞKENLİ ANALİZ ........................................ 287 FREKANS DAĞILIMI VE ÖLÇÜLERİ ......................................... 288 MERKEZİ YÖNELİM VE ÖLÇÜLERİ ......................................... 289 DAĞILIMDA YAYILMANIN VE DEĞİŞKENLİĞİN ÖLÇÜLERİ ... 292 DAĞILIMIN ŞEKLİ VE ÖLÇÜLERİ ............................................. 295

BÖLÜM VII: İKİ DEĞİŞKENLİ ANALİZ .......................................... 297 İKİ DEĞİŞKENLİ İLİŞKİ ANALİZİ ............................................... 298

İsimsel Ölçeklerle İlişki Testi ................................................. 298 Kademeli Ölçeklerle İlişki Testi ............................................. 302 Mesafeli ve Oranlı Ölçeklerle İlişki Testi ............................... 304

İKİ DEĞİŞKENLİ NEDENSELLİK ANALİZİ ................................ 309 Nedensellik Bağı Kurma ........................................................ 309 Kısmi Bağ ve Sahte İlişki Sorunu .......................................... 314 Nedensellikle Tahmin: Basit Regrasyon Analizi .................... 317

BÖLÜM VIII: GRUPLARI KARŞILAŞTIRMA ................................. 329 İKİLİ KARŞILAŞTIRMA: T-TESTİ .............................................. 329

Tek Grubu Karşılaştırma ....................................................... 329 Eşleştirilmiş Çiftler Karşılaştırılma ......................................... 330 Bağımsız İki Grubun Karşılaştırılması ................................... 332

İKİDEN FAZLA GRUBU KARŞILAŞTIRMA: ANOVA ................. 334 Tek Faktörlü tasarım: One Way Anova ................................. 338 İki Faktörlü Tasarım: Two-way ANOVA ................................ 344

BÖLÜM IX: ÇOK DEĞİŞKENLİ ANALİZ ....................................... 351 ÇOK DEĞİŞKENLİ VARYANS ANALİZİ (MANOVA) ................. 353 TEKRARLANAN ÖLÇÜLER VARYANS ANALİZİ ...................... 357 FAKTÖR ANALİZİ ...................................................................... 358

Veri Azaltma: Principle Component Analizi ........................... 362 Faktör Analiziyle Sınıflandırma ............................................. 364 Hiyerarşik Faktör Analizi ....................................................... 366 Doğrulayıcı Faktör Analizi .................................................... 367

İçindekiler x

ÇOK BOYUTLU ÖLÇME ............................................................ 368 KÜME ANALİZİ ....................................................................... 368 AYIRDETME ANALİZİ ................................................................ 369 NEDENSELLİKLE TAHMİN: ÇOKLU REGRASYON ................. 371 LOJİSTİK REGRESSİON ANALİZİ ............................................ 386 FREKANS TABLOLARININ LOG-LİNEAR ANALİZİ ................. 387 ASAL İLİŞKİ (CANONİCAL CORRELATION) ........................... 391

BÖLÜM X: PARAMETRİK OLMAYAN ANALİZLER ..................... 393 Kİ-KARE TESTİ ....................................................................... 395 BİNOMİAL TEST ....................................................................... 396 TEK ÖRNEKLEM ANALİZİ: RUNS TEST .................................. 397 TEK ÖRNEKLEM ANALİZİ: K - S TESTİ ................................... 397 İKİ BAĞIMSIZ ÖRNEKLEM ANALİZİ ......................................... 399 ÇOKLU BAĞIMSIZ ÖRNEKLEM ANALİZİ ................................. 400 BAĞIMLI ÖRNEKLEM ANALİZİ: İKİLİ KARŞILAŞTIRMA .......... 402 BAĞIMLI ÖRNEKLEM ANALİZİ: ÇOKLU KARŞILAŞTIRMA ..... 403

BÖLÜM XI: BULGU, DEĞERLENDİRME, SONUÇ ÇIKARMA ..... 405 BULGULARIN SUNUMU ........................................................... 406 SONUÇ, TARTIŞMA, ÖNERİLER .............................................. 408

BÖLÜM XII: GRAFİK KULLANIMINA KARAR VERME ................ 415 TEK DEĞİŞKENLİ ANALİZDE GRAFİK KULLANIMI ................. 415 İKİ DEĞİŞKENLİ ANALİZDE GRAFİK KULLANIMI ................... 419 DİĞER GRAFİK SUNUMLARI ................................................... 422

BÖLÜM XIII: EK: ARAŞTIRMA YAZIM KURALLARI .................... 423 TEMEL SAYFA DÜZENİ ............................................................ 423 METİN İÇİ REFERANS VERME ................................................ 424 KAYNAKÇA YAZMA .................................................................. 424

KAYNAKÇA .................................................................................... 425

ÖNSÖZ

Bu kitabın elinizdeki üçüncü geliştirilmiş şeklinin başlığına “Ve Sonrası” sözcüğünü ekledim, çünkü pozitivist tasarım ötesinde önde gelen diğer tasarımların nasıl yapıldığı ile ilgili bilgi vermek gereği ortaya çıktı. Pozitivizmin ötesi, örneğin post-pozitivizm, post-yapısalcılık ve Marxizm dahil birçok yaklaşımları içermektedir.

Ben bu kitabı bir iki yerden “çalıp çırparak” aldıklarımı arka arkaya ekleyip iki günde yazmadım. Ele alınan konuda var olan bilgi birikimini dikkatle süzgeçten geçirerek, irdeleyerek ve gece gündüz uzun saatler çalışarak hazırladım. Yeni eklemeler ve düzeltmeler yaptım. Bu kitapta bilgimle, inancımla, amacımla ve duygumla ben varım. Ben nesnel değilim: gerçeğin, iyinin, doğrunun ve haklının yanında olanlardanım. Bilim insanı, istese bile, iddia etse bile, asla nesnel olamaz (ama dürüst olabilir); bilimsel nesnellik sinsi ve edepsiz bir sahtekarlıktır.

Bu yapıt insandan ayrı, üretim tarzı ve ilişkilerinden bağımsız, post-modern durum denen yeni-kölelik sisteminin dışında üretilmedi ve “dışında olunamayacağı” için, üretilemez de. Kendini üretmek için gerekli yaşam olanakları özel mülkiyet yapısı içinde elinden alınmış ve yoğun psikolojik baskılar altında yaşayan insanların emeğiyle üretildi.

Elbette, yazım hataları ve gözden kaçan diğer hatalar olacaktır. Kendine ve insana dost olan insanlar, bilmek, soruşturmak, anlamak ve bir şeyler kazanmak için okurlar; yanlışlık varsa, gerekli görürlerse yazara bildirirler. Bu tür insanlar, tanımasam bile, bence çok değerlidir.

İnsanın ne ve nasıl olduğunu tanımlayan, yürüttüğü ilişkilerin doğasından geçerek kendini ve diğer insanları nasıl ürettiği ve yeniden ürettiğidir. Benim ne ve nasıl olduğuma katkıda bulunan ve dayanılmaza bile dayanan eşim Naz’a, yaptığı düzeltmeler ve öneriler (ve de yemekler) nedeniyle teşekkür ederim. Kızım Burcu da büyümüş ve çocuklarımızın çocukluğunu ve gençliğini çalan aşağılık yerel ve küresel kontrol politikalarının ve eğitim sisteminin kurbanı olarak harıl harıl çalışıyor. O bir odada, ben de öbüründe; yakın ama çok uzak.

İrfan Erdoğan Ankara, 1 Ocak 2012

BU KİTABI KULLANMA ÖNERİLERİ

Bu kitap akademisyenler, araştırmacılar ve öğrenciler dahil, bilme ve “araştırma” ile ilgilenen herkes için yazıldı.

Araştırma konusunun felsefe, epistemoloji, metodoloji ve bilginin üretimi gibi bilimsel temellerini irdelemek isteyenlerin birinci bölümü yakından okumasını öneririm. “Eleştirel görüşte” olanlar, istatistikle ilgilenmiyorsa, istatistiksel ayrıntılar dışında her şeyi okumalıdır.

Sadece nitel veya nicel bilimsel/akademik bir araştırma tasarımının nasıl hazırlandığını öğrenmek isteyenler için, kitabın istatistiksel analiz dışındaki tüm bölümleri gerekli bilgileri taşımaktadır.

Sadece “survey research” veya deney gibi niceliksel tasarım üzerine odaklanmak isteyenlerin, kesinlikle istatistiksel süreçlerle ilgili bölümleri okuması gerekir.

Lisans seviyesinde bir ders için kitap şu şekilde kullanılabilir: • Araştırmayı öğrenme, öğretme ve yapma; bilgi kaynakları • Herhangi bir araştırmada, gerekçeli konu/sorun belirleme.

Ampirik veya nitel tasarımlar için araştırma sorularını oluşturma; nicel tasarım için hipotezlerin çıkartılması.

• Yöntem: tasarım türleri; verilerin nereden toplanacağına karar verme; ampirik/nitel tasarımlarda veri toplama yolları

• Ampirik tasarımda değişkenler ve ölçme • Nicel ve nitel veri kodlama nasıl yapılacağı • Tek ve iki değişkenli analizler; iki grubu karşılaştırma • Nitel ve ampirik tasarımlarda sonuç yazma • Bir araştırma raporunda sayfa düzeni ve yazım kuralları

Lisansüstü derslerinde analiz ayrıntılı bir şekilde ele alınmalıdır: Yüksek lisans öğrencisi, bilimsel aracı kullanmayı çok iyi öğrenmelidir.

Doktora öğrencileri, felsefe, bilim, epistemoloji, yöntembilim, tasarım ve yöntem üzerinde odaklanmalıdır. Sosyal bilim okutan bir fakülte, “bir meslek okulu olsaydı,” adı fakülte olmazdı. Örneğin İletişim Fakültesi “haber yazan usta” yetiştirmez, “haber, yazma, usta ve örgütlü üretim tarzı ve ilişkileri üzerinde düşünen insan” yetiştirir. Doktora öğrencisi, “kampanya nasıl yapılır veya etkili reklam hazırlama” işini yapmaz; kampanyanın ve reklamın doğasını inceler.

GİRİŞ

Bilimsel araştırma tasarımı, konu/sorun gerekçelendirmeyi ve gerekli enformasyonu, veriyi ve bilgiyi toplamak ve analiz etmek için uygun yöntemleri ve süreçleri belirlemeyi içeren kararlar setidir.

Bazı “yeni moda yönelimler” dışında, pozitivizm dahil her bilimsel araştırma, sistemli ve tutarlı, birbiriyle bağıntılı ve birbirini tamamlayan süreçler bütünüdür. İstatistiksel olasılığa ve istatistiksel analize dayanan Pozitivist-ampirik tasarım ve uygulamada bu süreçler ayrıntılı ve somut olarak belirtilirken, diğer bazılarında süreçsel yapı değişen somutluğa ve sınırlara sahiptir. Her durumda, araştırma ile ilgili en temel sorun, araştırmanın nasıl inşa edilmesi ve uygulanması gerektiğinin gereğince bilinmesidir. Elinizdeki kitap sosyal bilimlerde bu gereksinimi karşılamak için hazırlanmıştır.

Her tür bilimsel araştırma sürecinde, gerekçeli olarak incelenecek sorun belirlenir, amaç ve önem ortaya konur, bir veya birden fazla araştırma sorusu biçimlendirilir veya, eğer tasarım ampirik olacaksa, bir veya birden fazla hipotez sunulur. Araştırma için güvenilir ve geçerli kaynaklar belirlenir; veri toplama yöntemi ve analiz saptanır. Eğer araştırma ampirik bir tasarımsa, analiz sonucunda elde edilen bulgular sunulur ve birikmiş bilgiyle bağ kurularak sonuçlar çıkartılır. Eğer araştırma ampirik değilse (nitel bir tasarımsa), o zaman analiz tasarımın doğasına uygun bir şekilde, ilişkisel ve nedensellik bağlarından hareket ederek tartışma ve sonuçlar sunulur.

Bilimsel araştırmanın temel süreçlerine uyulursa, birçok sorun kendiliğinden çözülür. Elinizdeki kitap, bu süreci en anlaşılır bir şekilde açıklamak için hazırlandı.

Doğru tasarım, insan, toplum ve yaşam hakkında gerekli bilimsel bilginin bilinmesi yanında, tecrübenin, yaratıcılığın ve etiğin ürünüdür. Dolayısıyla, ürünün, ürünü biçimlendirenin ve bilimin “soruşturulan hayat içinde yerleştirilmesi” gerekir: Kitabın birinci bölümü bu amaçla hazırlandı. Bu bölümde felsefe, bilgi kuramı, yöntem bilim, bilim, bilim adamı, bilimsel amaç, toplum, nesnellik, bilimsel etik, araştırmayı öğrenme, öğretme ve yapma arasında bağlar kuruldu ve irdelendi.

Giriş 14

Bir araştırma tasarımında en başta, incelemek için bir konu/sorun seçilir. Konu seçme ve onu incelenebilir bir biçime getirme sürecine “sorun sunumu” veya “sorun formüle etme” denir. Sorun sunumu araştırma tasarımının temelini kuran ayrıntılı ve kapsamlı bir süreçler bütünüdür. Bu süreçler, ele alınan konudaki bilgi birikiminden hareket ederek konu/sorun formüle etmeyle, bunu yaparken amaç/önem belirlemeyle başlar; bunu yaparken, kuramsal tutarlılığı sağlama ve gerekiyorsa kuramsal çerçeve hazırlamayla devam eder; soruların/ hipotezlerin çıkartılması ve sunulmasıyla son bulur. Kitabın ikinci bölümü, bu ilk adımı açıklamak için hazırlandı.

İrdelenecek varsayımların veya araştırma sorularının veya, gerekiyorsa, hipotezlerin somut bir şekilde belirlenmesi (konu/sorun sunumu) demek, “ne yapılacağının” somutlaştırılması demektir. Bunu takip eden aşama “neyin nasıl yapılacağının” belirlendiği “yöntem” safhasıdır. Ampirik tasarımda, yöntem bölümünü hazırlayabilmek için araştırmanın kapsamı ve tasarım türleri, veri kaynakları, nüfus, örneklem türleri, örneklem alma, veri toplama teknikleri, değişkenler, ölçme ve ölçekler, verilerin nasıl analiz edileceği, güvenirlilik ve geçerlilik hakkında bilgi sahibi olmak gerekir. Nitel araştırma tasarımında ise, gerekiyorsa, yöntemsel açıklamaların getirilmesi gerekir. Kitabın yöntem bölümü (üçüncü bölüm) bu bilgileri vermek için hazırlandı. Yöntem belirlemede, temel olarak “araştırma sorusuna yanıt bulmak için gerekli en uygun araştırma türünün ve kaynağın ne olduğu, gerekli verilerin nereden ve nasıl toplanacağı ve nasıl analiz edileceği kararlaştırılır. Ampirik tasarımda, veri toplama konusuyla birlikte nüfus, örneklem ve temsil konusu gündeme gelir. Bu da, örneklem alma süreçleri üzerinde durmayı gerektirir. Tasarım deneysel ise, deneklerin seçimi yapılır; kontrol değişkenleri ve değişkenlerin nasıl maniple edileceğini belirlenir. Her aşamada olduğu gibi, veri toplamada da ne tür süreçlerin kullanılacağı açıkça belirtilir. Toplanan verilerin nasıl kodlanacağı kararlaştırılır. Bu bilgiler yöntem bölümünde açıklandı. Tüm bunları yaparken, araştırmanın nasıl yapılacağıyla ilgili her adım (kapsamı, türü, verilerin nasıl, nerede ve hangi koşullarda toplanacağı) açıkça ve ayrıntılı olarak belirtilmelidir. Hiç bir ayrıntıyı sonraki aşamaya bırakmamak gerekir.

Giriş 15

Yanıtlanması gereken sorulardan biri de, verilerin toplandıktan sonra nasıl analiz edileceğidir. Veri analizinde, hangi istatistiksel yöntemin kullanılacağı araştırma sorusu (hipotez) ve kullanılan ölçme yöntemiyle bağıntılı olarak oluşur ve belirlenir. İstatistik analizinin ne olacağı girişte değil, daima yöntem bölümünde belirtilir.

Hiçbir tasarım mükemmel değildir. Her tasarımın sınırlılıkları ve hatta yetersizlikleri vardır. Tasarımın kuramla, yöntemle, ölçmeyle ve genelleştirmeyle ilgili sınırlılıklarının belirtilmesi, iyi bir tasarımın temel koşuludur. Güvenilirlik ve geçerlilik sorunları yanıtlanmalıdır. Bu da yöntem bölümünün son alt bölümü olarak hazırlanıp sunuldu.

Yöntem bittiğinde, araştırma tasarımı uygulanacak bir biçime gelir: Sıra incelemenin uygulanmasına gelir. İncelemede hem tasarımın hazırlanmasında hem de uygulanmasında titizlik gerekir. Uygulama sırasında eğer tasarımda yetersizlik bulunursa, mümkünse, geri dönüp düzeltme yapılmalıdır.

Veriler toplandıktan sonra, verileri kodlama, analiz, bulgular, değerlendirme ve rapor hazırlama safhası gelir. Kitabın aşağıda açıklanan bölümleri bunlarla ilgili bilgileri vermek için hazırlandı:

Dördüncü bölüm, ampirik tasarımda verilerin kodlanması ve SPSS’e geçirmesine ayrıldı.

Analizle ilgili bölümlerde hem ampirik tasarım hem de ampirik olmayan tasarımlarla ilgili açıklamalar sunuldu. Ampirik tasarımda, ayrıntılı olarak istatistik testleri ve bu testlerin kullanılma koşulları açıklandı. Beşinci bölümde analizle ilgili temel bilgiler verildi. Altıncı bölümde tek değişkenli analiz açıklandı. İki değişkenli analiz için yedinci bölüm ayrıldı. Grupları karşılaştırma analizleri sekizinci bölümde sunuldu. Çok değişkenli analiz türleri dokuzuncu bölümde verildi. Onuncu bölüm parametrik olmayan testlere ayrıldı.

On birinci bölüm bulgular, değerlendirme, sonuç¸ tartışma ve öneriler aşamasını açıklamak için tasarlandı. Bu bölümde bulguların sunumu, bulguların araştırma sorusuna veya hipoteze, ilgili incelemelerin bulgularına ve kuramsal çerçeveye bağlı olarak değerlendirilmesi ve sonuçlar çıkartılması açıklandı.

Giriş 16

On ikinci bölümde araştırmanın sonuçlarının sunumunda önemli bir yeri olan grafik kullanımıyla ilgili bilgiler verildi. Gerçi kitap boyu kullanılan tablolar ve şekiller çeşitli biçimlerde sunularak okuyucuya sunum zenginliği hakkında ipucu verilmeye çalışıldı; fakat bu bölümde sosyal bilimlerde araştırma yapanlar için doğru grafik kullanımıyla ilgili faydalı bilgiler sunuldu.

Her tasarım öneri aşamasında ve uygulandıktan sonra kitap, tez, makale veya rapor biçiminde sunum gerektirir. Araştırma önerisi ve rapor sunumunda biçim ile ilgili bilgiler on üçüncü bölümde sunuldu. Bilimsel araştırmalarda metin içi referanslar ve kaynakça kullanımı biçimle ilgili bilinmesi gereken konulardır. Türkiye’de henüz ne yazık ki belli bir standarda göre hazırlanmış referans verme ve kaynakça sistemi kullanılmamaktadır.

Ayrıntılı İçindekiler bölümü olduğu için ve bir forma daha ekleyerek kağıt harcamamak için indeks sayfaları koymadım.

Kitap boyu gerekli görüldüğü yerde bazen parantez içinde bazen de özellikle SPSS kullanılarak oluşturulan tabloların bazılarında sadece İngilizce kavramlar kullanıldı; amacım SPSS kullanan ve yabancı makale okuyanların bu kavramları tanımalarını sağlamaktır.

Bu kitap iki tür okuyucu için hazırlandı. Birinci tür okuyucular, kapitalizmin sosyal bilimlerde egemen bilme yöntemini anlamak ve kullanmak isteyenlerdir. İkinci tür okuyucular ise, kapitalizmin egemen bilimini klişeler ötesinde bilerek soruşturmak isteyenlerdir.

Tembelliği ve cehaleti yeniden üreten ortamlarda, elinizdeki kitabı bazıları çok gerekli bulurken, bazıları “çok zor bulacaktır.” Bazıları da “şurada virgül, şurada cümle hatası var” diye biçimi öne çıkaracak ve kitabı yerecektir. Bu normaldir, çünkü özün yeterince bilinmediği, “biçimin ve profesyonel süreçlerin özü tanımladığı” bir ortamda, öz ve doğru, çıkar yapısına göre, ya yok edilir, ya ezilir, ya saklanır, ya biçimle birlikte saptırılıp belli bir amaca uygun olarak abartılır. Bunun anlamı herkes bir şeyleri soruşturur. Fakat önemli olan bu soruşturmanın nasıl, ne tür amaç ve sonuçlar için yapıldığıdır.

BÖLÜM I

FELSEFE, BİLİM, ARAŞTIRMA VE TOPLUM BAĞI

Bilimsel araştırmalar bilim ile bilim yöntem ile bilim ve yöntem bilgi kuramı ile bilim, yöntem ve bilgi kuramı felsefe ile bilim, yöntem, bilgi kuramı ve felsefe insanın örgütlü varoluşu (toplum, yaşam) ile ilişkilidir. Örgütlü varoluş ise, insanın maddi ve düşünsel kendini nasıl yeniden-ürettiğiyle (üretim tarzı ve ilişkileriyle) ilişkilidir.

FELSEFE VE BİLGİ KURAMI

Felsefe Eski Hindistan, Çin ve Mısır uygarlıklarında gelişmiş ve klasik biçimini eski Yunanda bulmuştur. Sevme ve akıl kelimelerinin birleşimi olan felsefe kavramı, Yunan’da bilgelik sevgisi, bilginin peşinden koşma anlamına gelmekteydi. Baştaki bu özgün anlamına göre, her tür bilimsel araştırmacıya filozof deniyordu.

İnsan tarihinde, felsefeden önce mitoloji vardı. Mitoloji, insanın, dünyanın, varlığın, yokluğun, gerçeğin, özlüce yaşamın, doğaüstü güçlerle kurgulanmış efsaneler/masallar/öyküler yoluyla açıklamasıdır. Mitoloji ile yaşam ve örgütlü insan gerçeği, masallaşmış anlatılarla yeniden üretilir. Mitolojilerden geçerek sunulan yaşam anlayışı kendini inançlar ve dinsel çerçeveler içinde açıklar. Bu açıklamalarla ruhlar ve tanrılarla dolu bir hayal dünyası inşa edilerek, dünyanın ve yaşamın özü ve düzeni ile ilgili sorular yanıtlanır. Felsefe bu mitlerle dolu dinsel bilişten geçerek büyüyüp gelmiştir. Filozoflar teolojik-mitolojik dünya görüşünün sorduğu soruları sordular, fakat bu sorulara yanıtı mitolojiden geçerek değil, mantık ve pratik deneyimle uygun olan kuramsal analizden geçerek yanıt aradılar. Bu filozofların bir kısmı ruhani/dinsel yapı üzerine yeni inşalar kurarken, örneğin materyalist doğa felsefesinde olduğu gibi (Thalev, Anaximander, Anaximenes ve Heraclitus) bazıları da yaşamı doğaüstü güçlerden geçerek değil, doğadan geçerek açıklama yoluna gitmişlerdir. Bu tür açıklamayla, doğal felsefe felsefi düşüncenin ilk biçimi oldu. Filozoflar mitolojiye karşı çıkarken dünyanın mantıksal/rasyonel açıklamasını getirmeye

Felsefe, Bilim, Araştırma ve Toplum Bağı 29

BİLİMDE NESNELLİK SORUNU

Pozitivist anlayışa göre, bilimde nesnellik, bir bilimsel girişimin başından sonuna kadar metodolojik süreçlere uyduğu, dolayısıyla sonuçların geçerli ve güvenir olduğu demektir. Öznellik ise, keyfilik, yanlılık, süreçlere uymama, dolayısıyla bulgu ve sonuçlarda geçersizlik demektir. Pozitivist yöntembilimin sunduğu “nesnel bilgiye ulaşma” süreçlerinin geçerliliği kabul edilmezse, nesnellik ve geçerlilik çöker. Bu kitabın yazarına göre, belirlenmiş süreçlere göre bir şeyi yapma, yapanı ve yapılanı nesnelleştirmez; onun yerine, sunulan nedenler ve sonuçlara nesnellik değeri atfederek, yapılanı, nedenini ve sonucunu meşrulaştırır. Pozitivistlerin iddialarının aksine, hangi süreçler izlenirse izlensin, bir bilimsel girişimin daha en başında, hangi konu ve sorun üzerinde durulacağına karar verildiği an öznellik başlar. Pozitivist veri toplama ve değerlendirme süreçleri, bu öznelliğe nesnellik imajını verir. Bu tür nesnellik iddiasının geçerliliği dünyanın düz olduğu iddiasının geçerliliği gibidir: Sosyal bilimlerde nesnellik genellikle çoğunluk tarafından benimsenen egemen bir yönelimin tanımladığı öznelliktir (inter-subjectivity). Bu egemen yönelim, aynı zamanda, bilim ve bilimi yönlendiren ve kullanan azınlıkta olan güçlü çevrelerin çıkarının bir ifadesidir. Bu nesnelleştirilmiş öznellik, mekaniksel ve standartlaşmış kuralların ve öznel çıkarların karşılıklı olarak birbirini desteklemesiyle sürdürülür. Bu nesnelleştirme, kuram tartışması yapmayanlar veya kurama araştırmasında yer vermeyenler, modern iletişim araçlarını ve global teknolojileri sorgusuz kurtarıcı olarak görenler tarafından yapılan " incelemelerle” de desteklenir. Bu nesnelleştirilmiş öznelliğin egemenliğinde, iletişim konusunda, "hangi kaynakları kontrol eden örgütlü yapılar, kimleri, ne yolla ve nasıl yönetiyor; bu yönetimin doğa, insanlar ve insanlık için getirdiği sonuçlar nedir" gibi sorular ortadan kaldırılır;3 onun yerine "kim, kime,

3 Bu tür soruları sakın sormayın; Onun yerine, ikna iletişimi, vücut dili,

tüketici tercihleri, reklamın faydaları, ikna süreçleri ve verimlilik gibi dersler verin ve araştırmalar yapın ki vatanperver olun. Affedersiniz ama, şirketlerin özel çıkarları ne zamandan beri vatanın çıkarları oldu?


neyi, hangi kanalla ve hangi etkiyle söylüyor" sorusu ile ilgilenme egemen yapılır. Bu nesnel ilgiyle, örneğin üniversitelerdeki derslerde bilmiş-cahiller “dikkat vücudunuz konuşuyor” dersleri verir ve tüketicileri ikna için etki araştırmaları yaparlar. Bireysel ve endüstriyel çıkarları temel alan bu tür ilgi sonucu, davranış psikolojisi ve faşist kalıtım psikolojisi sosyolojiye bile egemen yapılmıştır.4 İletişim becerisi, motor beceri, içsel yeterlilik, rol yeterliliği, mesaj yeterliliği, yorum yeterliliği, bireysel tercihler, algı ve tutumlar, tüketici davranışları, tv izleme alışkanlıkları, etki ve ikna gibi konular anlamlı inceleme ve ders konusu olmuştur. Resmi eğitimden kitle iletişim araçlarının sundukları tüm içeriklerle verdikleri eğitime kadar çeşitlenen iletişim politikalarıyla birey üzerindeki baskı ve egemenliği perçinlemek için, ölçme ve yönetme girişimleri yaygın hale getirilmiştir. Bu tür yaklaşıma, sonradan, barış, uzlaşma ve demokrasi gibi sloganlarla birlikte, sınıf çatışmasını çıkar çatışmasına indirgeyen çatışma teorisi katılmıştır: Bu yolla, çatışma, kişiler veya gruplar arası çıkar çatışmasına indirgenmekte ve çözüm de çatışma yönetimi veya kriz yönetimi adı altında, iki tarafın da kazandığı veya kaybedenin de kazandığı imajını veren strateji ve taktikler olarak sunulmaktadır. Çatışma (ve kriz) yönetimi egemen ilişkiler düzeninin meşru yapılmış kanallarını kullanmayı, onlara bağlanmayı getirir ve çatışma ve kriz yönetimini egemen çıkarların ve politikaların parçası yapar.

Ayrıca, bilimin belli amaçlar için kurulmuş örgütlü yapılar içinde belli çıkarları gerçekleştirmek için çalışan insanlar tarafından üretildiği göz önüne alınırsa, nesnellikle ilgili iddia üzerinde ciddi kuşkular doğmaya başlar.

4 Gönderen (kim), mesaj (ne söylüyor), alıcı (kime), kanal (araç) ve

geribesleme (etki), yani bize iletişim fakültelerinde iletişimin ne olduğunu anlatan egemen pazarlama ve sahtekarlık. Bunu yaparsan küresel pazarın ve ortaklarının çıkarını biliş yönetimi yaparak desteklediğin için bölücü olmazsın. Ödül olarak da sana eğitim verdirirler, araştırma yaptırırlar, kurullara sokarlar ve para kazandırırlar.


Özlüce:

• Bilim ne amacı, ne aracı, ne uygulayıcısı, ne yorumcusu ve ne de kullanıcısıyla nesneldir: Bilim tarih boyu egemen güçlerin kontrolünde ve öznel olmuştur. Örneğin doğa yasalarıyla ilgili bir gerçeğin bulunması bilimin nesnel olduğunu anlatmaz.

• Tarihin hiçbir döneminde ve hiçbir yerinde “bilim ve sonuçları” herkesin eşit veya eşite yakın yararına veya hakkaniyet ölçülerine göre olmamıştır. Bunu anlamak için çok uzağa gitmeye gerek yok, evinize gelen elektrik, su ve havagazıyla yaratılan zenginliğin paylaşımını düşünün.

• Bilim toplum ötesinde değil, toplumun güç merkezine yerleştirilmiştir ve egemenliğin aracı ve yansızlaştırıcısıdır.

• Her alanda olduğu gibi, bilim alanında da, egemenlik ve mücadele vardır.

• Geçmişte Tanrının temsilcileri, aristokrasi ve yönetici sınıfları, kendi çevrelerinde topladıkları bilim adamları yoluyla bilimi kendileri için kullanmışlardı. Günümüzde, bilim ve bilim yoluyla kontrol işi, araştırma ve geliştirme girişimleriyle belli bazı üniversitelerde ve özel teşebbüsün laboratuarlarında özel çıkarlar için yapılmaktadır.

• Tarih boyu teolojik egemenliğin kontrolünde olan bilim, kapitalizmle birlikte önce görece bir özgürlüğe kavuşmuş ve ardından artan bir şekilde kapitalist siyasal ve ekonomik pazarın bütünleşik bir parçası olma yolunu tutmuştur. Küreselleşme ile bu bütünleşme tamamlanmaktadır.


BİLİMSEL ARAŞTIRMANIN AMAÇLARI

Bilimsel araştırmayı tanımlama bilimi tanımlamadan çok daha kolaydır: Bilimsel araştırma, insan dahil doğal fenomenler arasındaki var olduğu varsayılan önermelerin sistemli, kontrollü, ampirik ve eleştirel soruşturulmasıdır. Araştırmayla bilimin genel amacı olan “fenomendeki düzeni” bulmaya katkı amaçlanır.5

Yaşamını ve yaşam koşullarını anlamak ve düzenlemek, yaşamına kolaylık ve uyum getirmek, geçmiş gözlemleri ve deneyimleriyle elde ettiklerine dayanarak günlük faaliyetlerini sistemli ve tutarlı bir şekilde yürütmek isteyen insan, doğasından araştırmacıdır. Bu insan, günlük yaşamını düzene koymaya, bu düzeni geliştirmek ve karşılaştığı sorunları çözmeye çalışan herkestir. Fakat bilimsel araştırma örgütlü bir girişimdir ve bunu herkes yapmaz; yapamaz; yapmak istese de bilimsel araştırma yapma olanaklarına sahip olması gerekir ki, bu olanaklar da örgütlü güçlerin kontrolü altındadır.

Bilimsel araştırmanın amaçları ve faydaları herkese mal edilir. Bu mal ediş “gerçeğin üzerine çökertilmiş sahte imajlardan” öte çok az gider, çünkü bilimin ve araştırmaların amaçları ve işlevleri egemen güç yapılarının (örneğin, şirketlerin) çıkarlarını gerçekleştirme temeline dayanırlar. Bilgi üretimi çağımızda ekonomik pazarın kontrol ve yönetim amaçlı “araştırma ve geliştirme” faaliyetleri çerçevesi içinde yapılmaktadır. Bu pazar hem kendi örgütlü yapısı içinde kurduğu araştırma ve geliştirme laboratuarlarıyla hem de akademik hayata olan “girdileri ve karışmalarıyla” bilimsel girişimleri yönlendirmektedir. IBM, Siemens, NEC, GE ve SONY gibi uluslararası şirketlerin araştırma ve geliştirme laboratuarlarında yapılan deneyler, bilimin etkin bir şekilde hangi amaçlarla yapıldığı ve kullanıldığını anlatır.

5 İşletme, halkla ilişkiler, televizyon, sinema gibi alanlarda anket

çalışmalarıyla yapılan hangi araştırma bu amacı gütmektedir?


Bilimsel girişim, aynı zamanda, üniversite sisteminin kendi var oluş

nedenleriyle gelen koşulları yeniden-üreterek kendini ve kendini var eden koşulları sürdürme ve geliştirme faaliyetidir:

♦ Bu faaliyet bilimle uğraşan için gelir kaynağıdır; onun imtiyaz ve statüden geçerek materyal çıkar sağlamasına yardım eder.

♦ Araştırma üniversite bürokrasisinde yükselmek için gerekli bir koşul olarak kullanılır.

♦ Özel şirkette çalışan araştırmacı için bilimsel girişime katılmadaki amaç, pazarda şirketin ve kendisinin ilerlemesini sağlamaktır; işsiz kalmamak için kendini işinde garantiye almaktır.

♦ Araştırma, projeler alma ve araştırma firmalarında iş bulma olasılığı yaratır.

♦ Firma için, ürün geliştirme, arz ve talebi kontrol ederek pazarda üstünlük yolunu açar. Örneğin bilgisayar, moda, elektronik, ilaç gibi birçok alanda yapılan araştırmalar gizlidir. Bu araştırmalarda elde edilen bilgiler, hem rakipler üzerinde üstünlük sağlamaya hem de talebi kontrol etmeye yarayan değerli araçlardır.

Araştırmaların yapılış nedenleri şöyle özetlenebilir: ♦ Güvenilir, geçerli ve faydalı verilere dayanarak tanımlamak,

betimlemek, dolayısıyla tutarlı bir biçimde bilmek ve anlamak. ♦ Anlayıp kontrol mekanizmaları kurmak ve geliştirmek. ♦ Düzenlilikleri (tekrarlanan kalıpları, nedenler ve sonuçları)

öğrenip koşulları korumak ve geliştirmek. ♦ Düzenlilikleri, gidiş yönlerini ve nedensellik bağlarını anlayıp

tahminlerde bulunarak, kontrol olanakları elde etmek. ♦ Görevsel olmayan, arzulanan şekilde işlemeyen, zararlı olan

ve istenmeyen koşulların doğasını öğrenmek ve planlı uygulamalarla kontrol etmek, yönlendirmek veya değiştirmek.

♦ Nedenler aramak; çareler bulmak ve önlemler almak. ♦ Sürdürme ve gelişme planları tasarlayıp uygulamak.


Bilme, bilim ve araştırma toplumsal üretim ilişkilerinin önemli bir parçasıdır. Bilimsel bilgi, amaçlı olarak kontrol edilir ve düzenlenir. Dolayısıyla bilim “herkesle paylaşmak” için yapılmaz. Değerli bilgi ya gizlidir ya da alınıp satılan emtiadır (pazar değeri olan maldır). Bu bilgi internette veya televizyonda “bedavaya” paylaşılmaz. Sosyal bilimlerde “bilmekten” geçerek ekonomik, sosyal, siyasal, kültürel, psikolojik ve fiziksel kontrol mekanizmaları kurulur, uygulanır, test edilir; gerekirse bu mekanizmalarda değişiklikler yapılır; gerekirse yeni kontrol mekanizmaları kurulur. Bunların anlamı şudur: Bilim ekonomi ve siyasetten, güç ve egemenlik ilişkilerinden bağımsız değildir.

Bilgi değerli bir sermayedir; herkesin veya her bilim adamının ulaşımına/erişimine açık değildir. Dolayısıyla “ne için bilim ve bilgi?” sorusuna verilen doğru yanıt, idealleştirilmiş soyutlamalarla verilen uyduru-yanıtların ötesinde aranmalıdır. Bu tür arama sırasında, aynı zamanda, “bilim ve bilgi kimin için?” sorusu da yanıt bulur: Bilim ve bilgi, hem bilimsel üretimin araç ve gereçlerine gereksinim duymayı hem de gereksinimleri karşılamayabilmek için araç ve gereçlere erişebilmeyi gerektirir. Erişim mülkiyet hakları ve güç ilişkilerinin içinde yer aldığında, sadece bu haklara sahip olanlar ve mülkiyet ilişkilerinde olanakları kontrol edenler bilimin ve bilimsel araştırmanın yönünü ve içeriğini de belirlerler. Dünyada bilgi üretimi, dolaşımı ve kullanımının egemen karakterini ve kontrolünü uluslararası sermaye ve bu sermayenin kontrolündeki uluslararası ve ulusal kuruluşlar belirler.

Bilgiye ve araştırma yapma olanaklarına belli güç merkezindekiler veya ona yakın olanlar erişme imtiyazına sahipken, bu gücün parçası olmayanlar veya bu gücün yaptıklarını “uygun” bulmayanlar dışarıda bırakılır. Dışarıda bırakılanlara (geniş kitlelere), belli öznel amaçları gerçekleştirmek için sunulan “bilimin bitmiş ürünlerini” kullanmak seçeneği kalır. Kullanılan bu ürünler mutfak eşyasından aspirine, aile değerlerinden tanrı ve vatan sevgisine, polis panzerleriyle sıkılan tazyikli sudan Bağdat’ın üzerine yağdırılan füzelere kadar sayısız çeşitlilik gösterir. Ürünlerin kişisel kullanımı da hakkaniyet ölçülerine göre dağıtılmamıştır. Örneğin, sağlık sektörü, insanları toplumdaki gerçek veya potansiyel yerlerine (güçlerine) göre muamele eder.


Dolayısıyla bilim ve bilimi kullanarak yapılan araştırma:

♦ Herkes için değildir; fakat herkesi ve herkesin parçası olduğu her şeyi düzenleme veya yönetme amaçlı olduğu için doğrudan veya dolaylı olarak herkesi ilgilendirir.

♦ Herkesin faydası için de değildir. Faydanın büyük kısmı üretim araçlarına sahipler, yatırımı ve araştırmayı yapanlar içindir. Kırıntı-faydalar üzerine yapılan yarış ise, faydayı paylaşmada özgürlük ve fırsat eşitliği imajı verir.

♦ Bilgi elde etmek içindir; fakat bu bilgiler, televizyonda, internette ve kitaplarda kolayca elde edilen şeyler değildir; mülkiyetin en değerli parçasıdır; gerekirse gizlenir; gerektiğinde bir mal/emtia olarak pazara sunulur..

♦ Eskiden nerede ve ne zaman avlanması gerektiğini doğrudan deneyimle öğrenen ve buna göre davranışlarını düzenleyen insan, günümüzde kentin neresinde ve ne zaman emek gücünü satmak için pazara sunacağını öğrenmekte ve oraya o zaman gitmektedir. Gittiği yerde de yalnız değildir: Kendi gibi emek gücünü satanlar vardır. Onlara ihtiyacı olanlar gelip, sabahın erken saatlerinde bu insanları toplamaktadır. Bu bilgi emek pazarı bilgisidir ve kontrol kaynakları ellerinde tutanlar ve üretim koşullarını ve ilişkilerini düzenleyenlerin elindedir. Özlüce, bilim, bilim insanı, bilimsel üretim ve ilişkiler de mülkiyet yapısından bağımsız bir karaktere sahip değildir.

Yukarıda açıklananlar, “araştırmaların ilgi alanlarını ve karakterini belirleyenler kimler? Neyin nerede ve nasıl araştırılacağına karar verenler kimler? Kimler, kimler için araştırma yapıyorlar? Bulunan bulgular, varılan sonuçlar ve önerilen öneriler kimlere yarıyor? Bilimsel girişimler sonucu üretilen bilgiyi kullananlar, politikalar düzenleyenler, uygulayanlar ve politikalarını gözden geçirenler kimler? Bu insanların amaçları ve aradıkları sonuçlar neler?” gibi soruları sormak ve bu sorulara verilen yanıtlara şüpheyle bakmak ve doğru ve geçerli yanıt aramak gerektiğini göstermektedir.


BİLİM VE BİLİM ADAMI 6

Çoğu anlatıya göre, bilim adamı/insanı araştırmalarla bilimsel üretim yapan ve insanlığa faydalı bilgi üreten imtiyazlı insandır. Bilim adamının bu tür tanımının geçerliliği oldukça şüphelidir. Bilim adamının faydalı bilgi ürettiği doğru olabilir, fakat bu bilginin insanlığa faydalı olduğu iddiasının ciddi geçerlilik sorunu vardır.

Sosyal bilimci, bilimsel yöntemi bilen ve araştırma yapma, bulgular sunma ve sonuçlar çıkartma becerisini geliştirmiş bir insandır. Sosyal bilimciyi belirleyen faktör, gerçek uzmanlıkla yaptığı üretimdir: Bu uzman kişi, insanla ve toplumla ilgili herhangi bir sorunu ele alıp, gerekçeli bir bilimsel tasarım yapabilir; gerekli kaynaklara giderek, niteliksel ve niceliksel verilerini toplayıp inceleyecek ve sonuçlar çıkaracak ve tartışmalar sunacak bilimsel donanıma sahiptir.7

Bilim adamları eskiden sarayın, sarayla işbirliğindeki kilisenin, medresenin ve zenginlerin “adamlarıydı.” Çoğunlukla orada yaşar, orada beslenir ve besleyen eli bilimsel hizmet vererek öperdi. Çağımızda ise, “sözde özgür, bağımsız ve yansız” bilim adamları devletin maaşlı ve özel teşebbüsün ücretli beslemeleridir. Öpülen eller kilisede değil artık. Dünün mutlak köleleri, özgürlüklerini kazandıkları an, iş buldularsa ücretli serbest-köle, iş bulamadılarsa işsiz serbest-köle oldular. Benzer şekilde, dünün bilim adamları da, “özgürlüklerini" kazanır kazanmaz, devletin düşük maaşlı ve özel teşebbüsün “fonlarla ve görece dolgun ücretlerle kiralanan” serbest-kölelerine dönüştüler. Aldıkları ücretin/maaşın getirdiği görece rahatlık ve imtiyazlar içinde kendisini özgür sanan bilim adamı, üniversitede “sıkı sıkıya yapışmak ve korumak” zorunda bırakıldığı “koşuluna” sarıldı. Bu sarılmada

6 Adam sözcüğü “insan” anlamına kullanıldı. Adam kavramını birileri

“erkek” içeriğiyle doldurdu ve adam olmayan erkek bile adam oldu. Kadın “adam” olamaz, çünkü erkek değil. O da, erkeği taklide başladı.

7 Bu, olması gerekendir. Türkiye’de ampirik tasarımı doğru inşa edene ve bulgulardan hareket ederek sonuç çıkartmayı bilene rastlamadım. Ama, bulguyu sonuç sanan ve teoriyle pratiğin birbirinden bağımsız iki şey olduğunu savunarak bilgiçlik-taslayan cahillere çok rastladım.


bazıları, üniversite açık-hapishanesindeki maaşlı kölelik durumlarını unutup, “tutsağın yerleştirildiği yerde elde ettiği prestije” büyülü gözlerle bakışıyla, kendinin olmayanı kendinin sanmaya başladı: Kuru ekmekten fazlası olan kölelerin kendini efendi sanışı ve birbirini yiyişi. Toplumsal bilimlerde alanda uzmanlaşma üzerine inşa edilen mülkiyet iddiası, ücretli/maaşlı kölelik sistemi içinde uzmanlaşmış kölenin, diğer uzmanlaşmış ve uzmanlaşmamış kölelere karşı efendilik satışıdır; kendinin sandığı ama kendinin olmayan, aslında muhafızlık veya ücret karşılığı üretim yaptığı bir alanda/yerde öznel çıkarlarını korurken, var olan egemenlik ve kölelik koşullarını koruyuşudur.

Benzer şekilde, çevre sorunlarının asıl nedenlerini bilmeyen (veya işine gelmediği için, reddeden), turizm gibi faaliyetlerin gerçek anlamından habersiz olan, ekoturizmi “yerel halkın kalkınması” diye niteleyecek kadar cahilleştirilmiş bürokrat-akademisyen, “bilincini öznel çıkarların sözcülüğünü yaparak oluşturmuş” bir piyon-pratisyendir; bilim insanı değil. Bu tür insan, turizm yoluyla kalkınma pazarlaması yapan akıllı tüccarın kendini bilmiş sanan gönüllü tellalıdır; bilgiçlik taslayan cehaletin taşıyıcısıdır; işlevsel cehaletin bilgiçlik taslamamasını yayandır. Daha fecisi, sosyal bilimlerin her alanında, muhtemelen, sayısı oldukça fazla olan bu tür kişiler herhangi bir “memur” kadar bile işini bilen karaktere sahip değildir. Dolayısıyla, üniversitelerde üretilen bilimi çok küçük bir azınlık yapmaktadır.

Günümüzün egemen bilgi ve cehalet üretim biçimi ve ilişkileri içinde, ilkokuldan beri yoğrulan gençlerin bilincinin de bu egemen sakatlığı taşıma olasılığı çok fazladır.

Bilimin üretim-merkezi olduğu ve bilginin bilim adamlarınca üretildiği söylenen üniversitelerdeki yapı, sadece yukarıda tartışılan türdeki mülkiyet iddiası ve ilişkileri çerçevesinde çalışmamaktadır. Üniversiteler, bugün dünden daha yoğun olarak ezme ve ezilme düzenine ezilmeye alıştırılmış insanlar yetiştirmektedir. Bilimin ve bilim adamının üniversitelerde ürettiğinin önemli bir kısmı teorik olarak iddia edilenin dışında kalmaktadır. Gençler okulu bitirdiklerinde sömürü düzenine yatkın olarak biçimlenmiş bir şekilde hayata (işe ve işsizliğe) sokulmaktadır. Gençlerin kölelik ilişkisinde kapaklandığı herhangi bir


özel şirkete veya kamu kuruluşuna düşen iş, boynunu zevkle sunan yatkın köleye, o şirketin veya kamu kuruluşunun “kölelik ilişkilerindeki özel yapış biçimini” (o yerin yerleşmiş profesyonel pratiklerini, kültürünü ve ideolojisini) birkaç gün veya birkaç hafta içinde öğretmektir. Bu öğrenme ve pratiklerden geçerek kiralanmış serbest-köle, “benim memurum işini bilir” gibi egemenlik ve buna karşı mücadele kültürünün her gün “yeniden yapılandırılmasına” ve yeniden üretilmesine katılır. Buna sosyal bilimlerin ana akım ideolojik dilinde “sosyalizasyon” denir. Böylece, bilim adamının verdiği resmi eğitimle sosyalizasyon ajanı görevini yaparak topluma “faydalı ve normal yurttaşlar” yetiştirdiği iddia edilir.

Geçmişte, kilise ve medreseye kapaklanmış ve kendini adamış bilim adamının üzerindeki kontrol doğrudan ve yoğundu. Aydınlanma çağıyla başlayan ve burjuvazinin egemenliğiyle devam eden ve günümüzde belli biçimler almış olan koşullarda, bazı bilim adamları kurulduğu koltuklarında, maaşla kiralanmış kölebaşı olduklarının bile farkında olmaksızın, özgürlük ve post-modern düşler görmektedir; dünya pazarı için işlevsel olan karşılıklı-bağımlılık, küresellik, yerellik ve evrensel kültür öyküleri yazmakta, duaları okumaktadır. Kimin özgürlüğü, kimin küreselleşmesi, kimin karşılıklı bağımlılığı? Kimin üniversitesi, kimin bilimi, kimin bilim adamı ve kimin araştırması? Bu sorulara yanıt vermek gerekir önce.

Egemen yapılara düşüncesiyle ve davranışıyla uyumlu köleler yetiştiren günümüz üniversitelerindeki maaşlı/ücretli “özgür-tutsaklar,” kendilerinin olmayana sahiplik iddiasıyla birbirini yiyen bu görece iyi maaşlı/ücretli köleler, dedikodular dahil yaptıkları üretim faaliyetleri sırasında hem genel hem de kendi kölelik koşullarını yeniden üretirler. Bu kişilerin de örneğin şu sorularla incelenmesi gerekir: Materyal ilişkilerinin ve bilinç yapılarının doğası nedir? Maaşlı kölenin kendi köleliğinin bilincinde olması hangi koşullarda neyi, ne kadar ve nasıl değiştirebilir? Bilgi ürettiği söylenen bilim adamı neyi nasıl üretiyor?

Bilim ve bilim adamı bir egemenliğin (ve elbette bu egemenliğe karşı mücadelenin) bütünleşik bir parçasıdır. Ne bilim ne de bilim adamı, yaşanan koşulların, çıkar ve güç yapılarının dışında kalamaz.


ARAŞTIRMAYI ÖĞRENME, ÖĞRETME VE YAPMA SORUNU

İnsanca öğrenme, öğretme ve araştırma yapma, örgütlü hayatı genel üzerine çökertilmiş özel amaçlara ve çıkarlara uygun olarak biçimlendiren, anlayan ve anlatan egemenliklere karşı mücadele ile ilgilidir. Öğrenme “doğru olanın nasıl yapıldığını” bilmeyi içerir. Günümüzde, böyle öğrenme, öğretme ve araştırma yapma istisnadır.

Araştırmayı öğrenmenin birincil koşulu, bireyin öğrenme isteğinin ve çabasının olmasıdır. Öğrenme ancak bu koşulun varlığında olabilir.

Öğretme, öğretenin öğrettiğini doğru ve yeterli olarak bilmesini gerektirir. Bilişsel karmaşıklık seviyesi maymunun biraz üzerinde olduğu için “Hürriyet gazetesini apolitik veya ideolojisiz ve Cumhuriyet gazetesini Pravda gazetesi veya komünist gazete veya bölücü gazete” olarak niteleyenlerin, “interaction” kavramını “etkileşim” sanan ve “eylem, etki ve iletişim bağı” hakkında en küçük bir doğru bilgiye sahip olmayanların, “sosyal sınıf” ve “kimlik” kavramlarının iki ayrı kategoriye ait olduğunu sananların, öğretim kalitesiyle bir hocanın verdiği ders sayısı arasında negatif ilişki kuranların üniversitelerde ders verdiği ortamlarda, gerçek öğrenme öğretilenin soruşturulması ve çoğunlukla reddedilmesiyle başlar. Reddetme olasılığı da oldukça azdır.

Üniversitelerde, araştırma için gerekli olan en temel bilgiler ya öğrenilmemekte ya da öğrenilmek istense bile, çoğunlukla öğretenler yanlışı sürekli yeniden-ürettikleri için, gereği gibi öğretilmemektedir. Günümüzde, Türkiye’de doktora bitirmiş öğrencilerin büyük çoğunluğu bile, bilimsel tasarım hazırlama, yürütme ve sonuçlandırma bilgisinden yoksun olarak yetişmektedir. Daha kötüsü, basit bir tasarımın nasıl yapıldığını bilmeyenler ders vermekte, araştırma yapmakta, akademik dergilerde makale yayınlamakta ve kitap çıkartmaktadır.

Günümüzde yerel, bölgesel ve uluslar arası kurumlar, şirketler, kuruluşlar ve üniversiteler artan bir şekilde araştırma için fonlar ayırmakta ve araştırma girişimlerini desteklemektedir. Türkiye ve benzeri ülkelerde kurumlar ve firmalar için yapılan büyük incelemeleri uluslararası şirketler desteklemekte ve emekle yaratılan zenginliklerin bölüşümündeki dengesizliği sürdürmek için faydalı bilgi toplamaktadır.


Türkiye’de yabancı ve ortak özel şirketlerin araştırma faaliyetleri artmaktadır, çünkü firmalar pazar kontrolünü gerçekleştirmek için demografik karakterleri, tutumları, sevileri, tercihleri ve yönelimleri bilmek zorundadırlar. Bu gelişme doğal olarak araştırmacılara ve öğrencilere gereksinimi de artıracaktır.

Araştırma gereksinimlerinin önemli bir kısmı, bilimsel amaç taşımamaktadır; onun yerine bilimi araç olarak kullanarak öznel amaç gerçekleştirme amacını taşımaktadır. Öznel amaç toplumsal yararı (genelin yararını) da beraberinde getiriyorsa, hiç değilse “geneli kullanarak özel çıkar elde etmeyi” amaçlamıyorsa, bilimin araç olarak kullanılmasında bir sakınca elbette yoktur. Öznel amaç, aynı zamanda akademisyenin de öncelikle yapması gereken öğretim işini ihmal etmesi, işi asistanlarına bırakıp, kendi üniversitesindeki ders saatinde bile özel üniversitelerde ders vermesi, orada burada proje ve eğitim vererek para kazanma peşinde koşması biçiminde de olmaktadır. Bu durumda, bilimsel araştırma bağlamında ilk akla gelen soru “neden” sorusudur. Bu sorular çoğaltılabilir: Neden sınavda iyi not alan bir öğrenci “iyi not aldım” diye övünürken, derse devam etme yerine, “orada burada sürten” ve kitap yüzü açmayan, dolayısıyla kötü not alan öğrenci “hoca beni bıraktı” der? Neden bakkal ismi bırakılır “süpermarket” ismi kullanılır? Neden Türkiye’nin kaynaklarıyla ve Türkiye’nin insanıyla yönetilen, üretilen, dağıtılan ve tüketilen mallar üreten yapılar özelleştirme adı altında yabancılara ve ortaklarına satılır? Yeni-sömürge olma ne zamandan beri küresel kalkınma oldu? Yeni-sömürgelerdeki ekonomik, siyasal ve kültürel yönetici sınıfların sömürgeleştirmeyi hararetle destekleyen bilinci nasıl oluştu? Neden sermaye asgari ücreti bile çalışana çok görmekte ve çalışandan kestiği sigorta gibi vergileri kendi cebinden çıkıyormuş gibi hissetmekte? Neden kendi maaş/ücret politikalarına bile etki edemeyen, kendilerinin şimdisi ve geleceği başkaları tarafından belirlenen serbest-köleler (profesörler dahil) özgürlük ve demokrasi tellallığı yapmakta? Neden insanlar kendi değerlerini tüketimden ve gösterişten geçerek bulma peşinde koşmakta? Neden insanlar bazı şeyler üzerinde kafa yorarken, kafa yorulması gereken şeylerle ilgilenmemekte? Neden bu tür soruların çoğunu insanlar sormamakta


ve soranların önemli bir kısmı “yanlış ama birilerinin çıkarına işlevsel olan yanıtlar” üretmekte? Doğru soru soranların, dürüst olarak ilerleme arayanların ve çalışkan insanların engellendiği, sabote edildiği, şantaja ve baskılara uğradığı ve ”tembelliğin yoğun bir şekilde üretildiği örgüt kültürü” nasıl değişebilir? Dikkat edilirse, sosyal, kültürel, siyasal ve ekonomik çevreye bakıldığında, birçok sorun ve soruların araştırma için beklediğini görürüz. Ayrıca, kendimize ve ilişkilerimize baktığımızda da birçok soru sorabiliriz. Elbette, hem “tüketiyorum (boyanıyorum, giyiniyorum, yiyor ve içiyorum) o halde varım” diyen, hem “düşünüyorum o halde varım” diyen, hem de “varlığımın kanıtı düşünce değil, yaşamın kendisidir” diyen insan hayatı soruşturur herkes gibi. Ama bu soruşturmaların her biri ciddi şekilde farklı amaçlara ve sonuçlara sahiptir.

Dikkat edilirse, araştırma yapma, öğrenme, öğretme ve yapma ile ilgili sayısız konular ve sorunlar vardır. Günlük hayatımızda bu sorulara hepimiz öğrenilmiş ve toplumda dolaşan yanıtları veririz. Sorulan her soru ve verilen her cevap sosyal hayatın üretimi ve insan ilişkileriyle bağıntılıdır. Dolayısıyla, soru sorma ve araştırma yapma kişinin bireysel merakı ötesine gider. Daha önce açıklandığı gibi, araştırma ekonomik, kültürel ve siyasal faaliyetleri yönetmek, meşrulaştırmak, tutmak veya değiştirmek amacıyla yapılır.

Bilimsel araştırma yapma, öğretme ve öğrenme, aynı zamanda, çıkarlara bağlı gelen belli düşünce tarzı ve bu tarzın belirlediği bilimsel ve sosyal politika sorunudur. Kapitalist bilim, eğitim ve araştırmalar, ilk başlangıcından beri artan bir şekilde, kapitalizmin sorunlarına çözüm ararken, kapitalizmin yarattığı insanlık durumunun sürdürülmesinde perçinleyici rol oynamaktadır.


BİLGİ, BİLGİNİN KAYNAKLARI, ERİŞİM, GÜÇ VE FAYDA

İnsan, doğumundan ölümüne kadar kendi çevresiyle ilişkisinde, gördüğü, duyduğu ve hissettiği her şey hakkında açıklamalara veya önceden hazırlanıp ona öğretilmiş yanıtlara sahiptir. Bu açıklamalar ve yanıtlar, onun duygular ve inançlarıyla karışık bilgisini oluşturur. Bebek kendine bakanın annesi ve babası olduğunu kısa zamanda öğrenerek bilir. Eve gelen gazete, seyredilen televizyon, yenen yemek, içilen su, giyilen giysi, gidilen eğlence yeri ve bunlarla gelen bütün insan ilişkileri ve davranışları, onun için bilgi kaynaklarıdır. Çocuk okula gider ve bilgi kaynaklarına öğretmeni, arkadaşları ve kitaplar katılır. Okuduğuna, derslere ve okumamışların zenginliğine bakar ve aralarında pozitif bir ilişki kuramayarak, meşrulaştırılmış ve normalleştirilmiş çelişkileri öğrenir. Okulda öğretilenler ile şirket dünyasının biçimlendirdiği hayat arasındaki örtüşmeme onun için bir öğrenme ve “çelişki içinde bilgi kaynağı” olur. Bu öğrenme ve çelişki “kısa yoldan köşeyi dönenleri” gördükçe derinleşir; vicdanına işler; ya vicdanı kirliler arasına karışmak için can atar ya da vicdanı sızlamaya başlar. Üniversiteye gelir, “faydalı bilginin” bazı güçlere faydalar çerçevesi içine düştüğünü ve bu çerçeve içinde çalışırsa başarılı olabileceğini ve hatta “marka olabileceğini” öğrenir; faydalı bilgi artık onun için öznel çıkarları gerçekleştiren her şeydir. Bilmek öznelin egemenliğini sağlamak, sürdürmek ve yaygınlaştırmakla ilgili her şey olur. Bu öznelin egemenliğine faydasız ve tehlikeli bilgilerin olduğunu ve bu tür bilmenin risklerini anlar. Bilgi toplamanın kütüphane araştırması; kaynakla mülakat; ilgili kişilerden anketle veri toplama; gözlem yapma; kontrollü deney yapma olduğunu öğrenir. Okulu bitirir, iş bulamaz; bazıları bunu kendi beceriksizliğine, elinden tutacak tanıdık biri olmamasına yorar, çünkü yıllar boyu ona böyle işlenmiştir; bazıları bunu toplumsal yapıdaki güçsüz durumuna atfeder; bazıları kahveye gidip tavla atar; bazıları da televizyon önünde şişmanlar. İş arama ve çalışma sürecinde, bilginin ve bilgi kaynağının, bilgi denenin karakterine göre ya (kitleleri yönetme ve yönlendirmede işlevsellikleri nedeniyle) herkes için olduğu ve kolayca elde edildiğini ya da belli insanlar için olduğu ve korunduğunu görür. Medya profesyonellerinin


bilgi kaynağı olarak başvurdukları kaynaklarla, verilen bilgilerin ne tür bir bilgi olduğunu soruşturmaya başlar bazıları. Bir kamu teşebbüsüne 500 işçi alınacağını duyar. Başvurmak için gider. 40-50 bin kişi kuyruktadır. Kuyruk, yaratılmış belli koşulları yansıtan bilgi kaynağıdır, ama bu bilgiyi irdeleme yerine milletin kuyrukta birbiriyle kavga ettiği haberi yapılır. Alınacak beş yüz kişinin alınma koşullarını müracaat formundan veya gazeteden öğrenir. Alınacakların çoğu bellidir, fakat bunların kim olduğu ve nasıl olup işe alınmayı garantiledikleri “bilinen belirsizliktir”; çünkü bilgi kaynağı gizlidir, rüşvetin faturası olmadığı gibi.

Bilginin kaynağı herkese açık olmayabilir; elde edilmek için hazır beklemeyebilir. Kaynaklar mülkiyet, çıkar ve güç ilişkilerinin dışında serbest olarak var olmaz. Kaynakların sahipleri vardır. Bilgiyi elde etme olasılıkları, bilginin niteliğine göre, “hiç” ile “her zaman” arasında değişebilir. Dolayısıyla, örneğin, internette her bilgiye ulaşılabileceği, elektronik ortamın bilgiye erişmede demokratikleşme getirdiği iddiası etkili bir bilinç yönetiminden öte gitmez: Araç ile olası içeriğini karıştırmamak gerekir. Ayrıca, kullanımın doğasına bakılmalıdır.

Kaynakların değeri ile bilgi olarak üretilenlerin değeri çok farklıdır. Örneğin iletişim medyalarının verdiği bilginin alıcı için değeriyle, o bilgiyi gönderenler için ortaya çıkan değer arasında büyük nitelik farkı vardır. Reuters’ın verdiği enformasyonun faydası, onu kullananlar içindir; evde pembe diziyi seyredenler için hiç bir anlam ifade etmez. Reuters’ın ve pembe dizinin enformasyonu arasında ciddi nitelik farkı vardır. Bu fark, ticari bilginin nerede ve ne amaçla üretildiğiyle ve bilgi/eğlence diye sunulan ideolojik biçimlendirmelerin neler olduğuyla, pazar mekanizmasının satışını nerelerde ve nasıl yaptığıyla ve faydanın doğasıyla gelen ciddi sonuçlarla ilgilidir.

Bilgi, güvenilir veya geçersiz, doğru veya yanlış, yeterli veya yetersiz olabilir. Doğru veya yanlış, yeterli veya yetersiz, “bilgi” denen şeyler her insanın toplumsal-kendinin şekillenmesinde ve toplumsal-bireysel yaşamına yön vermesinde belirleyici rol oynar.


Resmi ve özel eğitim kurumları dahil, modern bilinç endüstrilerinin ürettiği bilgi, emek gücüyle kaynaklar harekete geçirilerek üretilmiş üründür. Bilgi mülkiyet ilişkilerinin bütünleşik bir parçası olduğu için, bilginin üretimi, dağıtımı ve kullanımında özel veya kurumsal sahiplik, eşitsizlik ve dengesizlik vardır. Bilgi, “hadi beni kullan, n’olur beni kullan, beni kullansana” diye internette ve ortalıkta özgürce dolaşmaz. Bilgi, sermaye veya ürün olduğu, dolayısıyla güç ve para getirdiği için, belli pazar değerine sahiptir. Bu nedenlerle, bilgi, mal ve sermaye olarak, kullanıldığı yere ve amaca göre farklı anlam ve değere sahiptir. Bilgi güçlünün elinde güçtür. Bilgi, eğer kazara sahip oldularsa, bilgiyi kullanma olanaklarının elinden alındığı insanlar için, kullanamadıkları için, güçsüzlüğün ifadesidir. Ama güçsüz için, bilgi, aynı zamanda, mücadele için bir araçtır. Bu nedenle ki, örneğin, tarih boyu güçsüzün bilmesi ve ilgisi yasaklarla engellenmiştir; şimdi ise, biliş yönetimi okulla, televizyonla ve internetle gelen eğitimlerle yapılmaktadır.

Araştırmacı kaynağın ne ve nerede olduğunu, kaynağa ve bilgiye erişimi, kaynağın karakterini ve güvenilirliğini önceden düşünmelidir. Bilimsel girişimde, kaynağı saptama ve kullanma, “bakalım ne olacak, gidip görelim” gibi plansızlık, tesadüfler ve gelişigüzellik, sadece akademisyenimsilerin bilimselimsi girişimlerinde işlevsel ve geçerlidir.

Aynı zamanda: (a) Bilgi kaynağını bilebilir veya bilemeyebiliriz. (b) Bilgi kaynağını bilsek bile, bu kaynağa erişebilir veya erişemeyebiliriz. (c) Erişim yasaklanmış veya engellenmiş olabilir. (d) Erişim için ödeyemeyeceğimiz kadar para veya veremeyeceğim kadar ödün istenebilir. (e) Bilgi kaynağı yanlış olabilir; (f) Bilgi kaynağı “doğruyu içermeyebilir veya doğruyu söylemeyebilir.

Özlüce, bilginin kaynağı: (a) insanın belleğiyle ve tecrübeleriyle kendisidir (b) kendi dışındaki fiziksel çevre öğeleridir (c) içinde yaşadığı yakın ve uzak toplumsal çevredir (ç) üretilmiş düşünsel ürünlerdir

BÖLÜM II

GİRİŞ: KONU VE SORUN BELİRLEME

Bilimsel araştırmada üç ana aşama vardır:

1. Tasarım inşası: Konu/sorun sunumu ve yöntem belirleme. 2. Uygulama: Tasarımın uygulanması. 3. Analiz, değerlendirme ve sonuç çıkarma.

Social Science Citation İndex’de yer alan bir dergide yayınlanan pozitivist-ampirik bir makalenin formatı çoğunlukla aşağıdaki gibidir:

Pozitivist-ampirik bir makalenin temel formatı

I. Giriş

II. Yöntem

III. Bulgular

IV. Sonuç

Ne yapılacak? Sorun, amaç, ilgili incelemeler; araştırma sorularını/hipotezleri belirleme.

Nasıl yapılacak? Nasıl yapılacağını açıklama.

Nasıl sunulacak? Bulguların sunumu

Bulgular, kuram ve ilgili incelemelere dayanarak sonuçlar çıkartma. Gerekiyorsa, öneri sunma.

Ampirik ve ampirik olmayan araştırma, gerekçeli konu/sorun sunumuyla başlayan ve yöntem belirlemeyle biten tasarım aşamasına sahiptir. Bu aşamayı, araştırmanın uygulanması (analiz için veri/bilgi /enformasyon toplanması) ve analiz ve sonuç sunumu takip eder.

Pozitivist hypothetical-deductive yaklaşımın temel süreçleri:

1. Test edilecek hipotezi belirleme: Çalışan cep telefonu birden bire durdu. Olası nedenleri düşündükten sonra, örneğin, ya “pili mi bitti?” araştırma sorusu veya “pili bittiği için çalışmıyor” varsayımı sunulur. Varsayımdan, hipotez üretilir: “eğer piller ölüyse, yeni pil takınca cep telefonu çalışacaktır”.

2. Tahminin doğruluğunu test etmek için tasarım hazırlama ve uygulama: Ne tür pilin nereden ve nasıl alınacağı belirlenir; pil alınır ve cep telefonunun eski piliyle değiştirilir.

Konu ve Sorun Belirleme 62

3. Eğer tahmin doğruysa (yeni pili takınca telefon çalışırsa), hipotez doğrulanır: Telefon pili takınca çalıştı; dolayısıyla piller ölüdür.

Hipotezin doğrulanması, teorinin doğruluğunu anlatmaz, olası doğruluğunu artırır; çünkü yukarıdaki sonuç yanlış olabilir: çünkü eski piller ölü olmayabilir, çalışmama nedeni temassızlık olabilir ve yeni pil takıldığında temas sağlanmış olabilir. Hatta, yeni pillerle telefon çalışmazsa, bu da eski pillerin ölü olduğunun somut kanıtı değildir.

Bilimsel araştırmanın tasarım aşaması tutarlı gerekçelerle sunulan sorun belirlemeyle (somut bir konuyu inceleme için seçmeyle) başlar. İlk yapılacak iş, incelenmesi gereken bir konu veya sorun olduğunu tümdengelimle, tümevarımla veya konunun önemli görünen bir yerinden başlayarak sunmaktır. Sorun belirlemesinde, “incelenmek istenenin ne olduğu” açık bir şekilde gerekçelerle ortaya konur.

Sorun belirlemesiyle başlayan her tür araştırmanın ilk bölümü, birbiriyle ilişkili ve birbirini tamamlayıcı açıklamalardan oluşan tek bir bölüm veya alt bölümlerden oluşur. Bu açıklamayla birbiriyle ilişkili bütünleşik bir yapı oluşturulur: Ampirik olmayan bir araştırmada, sorun/konu sunumu, belirlenen konuya uygun tek bir başlık veya başlıklar ve alt başlıklar altında yapılır. Bazen konuya hiç bir gerekçelendirme yapılmadan girilir ve ana metin başlar. Bu yapılabilir; fakat okuyucu hiç değilse ilk sayfalarda araştırmacının ne yapmak istediğini anlayabilmeli, çünkü araştırma yapmak, “korku veya şüphe filmi” kurgulamak, söylem/laf ebeliğiyle belirsizlikler yaratmak veya “şahane kelimelerle “edebiyat yapmak” değildir. Bilimsel girişim, tanımlamak, betimlemek, ilişki kurmak, nedensellik bağları kurmak ve bağlardan hareket ederek sonuçlar çıkarmak ve geçerli tahmin yapmak için “belirsizlikleri ortadan kaldırma” faaliyetidir. Ampirik araştırmada ise, giriş, araştırmanın amacı, var olan bilgi birikiminin (ilgili incelemeler) irdelemesi, kuramsal çerçevenin oluşturulması, araştırma soruları veya hipotezlerin çıkartılması ve sunumundan oluşur (Şekil 1).


Şekil 1. Pozitivist tasarımda sorun belirlemenin temel içeriği

Araştırma konusu bulmanın zor olduğu belirtilir: Zor mu? Eğer gözlerimizi kapatır, kafamızın içine döner ve harıl harıl beynimizi çalıştırarak bir şey bulma çabasına girersek, zor olabilir. Fakat gözümüzü açar ve fiziksel ve toplumsal çevreye “görerek” bakarsak, sayısız konuların ve sorunların araştırılma beklediğini anlarız. Konu bulmak için Amerikalıların “brainstorm, brainwriting, nominal grup techniques, focus groups, affinity mapping, delphi techniques, facet theory” gibi tekniklerine ihtiyaç yoktur. Çünkü çok şeyin olduğu ve az şeyin araştırıldığı Türkiye’de, her şey araştırma konusu olabilir.

Araştırma konusu yaşanan dünya ve insanla ilgilidir. İnsanın insana ve çevresine yaptıkları, insanın yarattığı ve içinde yaşadığı koşullar en zengin araştırma kaynağıdır. Diğer araştırma kaynakları arasında geçmişte olanlar ve geçmişten gelenler, ulusal ve uluslararası kuruluşlar ve şirketlerin araştırma talepleri vardır.

Araştırma için hangi konu daha önemlidir? İnsan yaşamında her şey önemlidir. Sadece bazıları önceliğe sahiptir ve öncelikli olanları doğru saptayıp işlemek gerekir.

Örneğin, günümüze kadar yapılmış tezler ve ilgili araştırmalar irdelenerek, “yüksek lisans ve doktora öğrencilerinin araştırma tasarımını bilmemeleri” sorunu üzerine bir inceleme yapılabilir. Bu

G İ R İ Ş

İLGİLİ İNCELEMELER

KONU/SORUN BELİRLEME

KURAMSAL ÇERÇEVE

HİPOTEZ VEYA ARAŞTIRMA SORULARI

• Hipotezlerin veya araştırma sorularının çıkartılması

• Hipotezlerin veya araştırma sorularının sunumu

• Kuramsal ve işlevsel tanımlamaların sunumu


bağlamda akla gelen ilk soru “tasarım bilmeden tez yazma ne ölçüde yaygındır?” sorusudur. Böylece, hem bir sorun hem de sorunu araştırmak için ilk gerekçe ortaya çıkmış olur. Girişte var olan bilgi birikimini irdeleyerek sorun belirlenir ve sorunun doğasını (karakterini) öğrenmek için inceleme gerektiği belirtilir. Bu sırada araştırmanın amacı ve önemi de, çoğu kez ortaya çıkar.

Örneğin: Habercilerin kullandıkları kaynaklar, haberin özelliğinin önde gelen belirleyicileri arasındadır (Weber, 1997; Kelly, 2005). Kaynak, haberin değerinin ve nesnelliğinin bir göstergesidir. Bu nedenle, medyanın pratiklerinin karakterini anlama girişiminde, haber yapımında kullanılan kaynakların neler/ kimler olduğunu bilmek önem kazanır. Türkiye’de haberle ilgili yapılan araştırmalara bakıldığında haberde kullanılan kaynaklarla ilgili sadece üç araştırma olduğu görülür. Can (1985), Selim (1987) ve Kazalcı (1988) tarafından yapılan bu araştırmalar hem 20 sene kadar öncesine gitmekte hem de televizyondaki haber kaynakları üzerinde durmaktadır. Sadece Can’ın araştırmasının bir bölümü tek bir gazeteyi ele alıp incelemiştir. Dolayısıyla, haber konusuyla ilgili bilgi birikiminde ciddi bir eksiklik bulunmaktadır. Bu araştırma, Türkiye’de yaygın basındaki haber kaynaklarının karakterini inceleyerek bu eksikliğin giderilmesine katkıda bulunmak amacıyla tasarlandı. Araştırmanın önemi, sadece akademik alandaki bu konuda var olan bilgi eksikliğini gidermeye katkıda bulunma amacında yatmamaktadır; aynı zamanda, günümüzde de gündemde olan kitle iletişimi politikalarının irdelenmesi ve yeniden gözden geçirilmesi tartışmalarına katkıda bulunacağında da yatmaktadır.”

Sorun hiç üzerinde durulmamış bir konu veya çözülmemiş bir konu olabilir. Çözümü sunulmuş, fakat bu sunumların gözden geçirilmesi gerekli olduğu gerekçelendirilen bir konu olabilir. Herhangi bir sosyal, ekonomik, kültürel, psikolojik ve çevre konusu ile iletişimin herhangi bir örgütlü pratiği (örneğin magazin haberciliği, eğlence, spor, yarışma programları veya çocuk dergileri) olabilir.


Araştırmacı incelenecek sorun olarak kişiyi, kişileri, herhangi bir grubu, geniş halkı veya bütün insanları ele alabilir. İnceleneceğin insan olması koşulu da yoktur: Bir olay, caddedeki çukur, parklar, yoğurt kabının rengi, medyada habercilerin veya Devlet Bahçeli dahil politikacıların “açıldı veya başladı” deme yerine neden “start aldı” dediği inceleme konusu olabilir.

Sorun insan düşüncesini veya insanın iç dünyasını ele alabilir. Sorun ev, okul, mahalle, köy, kent, ülke veya dünya ile ilgili olabilir.

Bir program sunucusu veya haber sunum biçimi; halkla ilişkiler veya reklam endüstrisinin iş yapış biçimi veya reklamların içeriği; pembe dizilerde kadınların bilinçlerini ahmakça tüketime yönlendirme; adı bile Türkçe olmayan televizyon kanallarının ne kadar “Türk televizyonu” olduğu; “IBM-TURK” kavramının veya ramazanda Coca Cola reklamlarının sunumlarının anlamları; kendini kendinden olmayanla özdeştirme; dükkanların isimlerinin kimin ve neyin kültürünü yansıttığı; bakkalın isim değiştirip market olmasıyla gelen dünya ve bilincin doğası; bir firmanın müşteri kaybı, bir otelin tercih edilmeme nedenleri, iki yıllık meslek okullarının sağlayacağı iş ile okula altı bin dolar vererek gitme arasındaki rasyonel görünmeyen bağ; bazı özel okulların kapkaççı ve vurguncu ticari kültürü yansıtması ve kalitesizliği simgelemesi; bu okulların şantiyeci zihniyetiyle yönetilmesi; özel televizyonlardaki programlarda sanki özel üniversitelerde çok kaliteli eğitim verildiği sahte-imajının işlenmesi; özellikle son iki yüzyılda doğayı talan ve tahrip eden endüstriyel yapılar bir kenara bırakılıp, çevre sorununa çözüm denildiğinde “halkın eğitilmesi” diyen bilinç yönetimi ve bu yönetimin promosyoncu parçası olan çıkarcı ve/veya geri-zekalılaştırılmış aydınlar ve üniversite mensupları gibi konular da ele alınabilir. Türkiye’de verilen eğitimin amacı ve sonuçları; üniversitelerde egemen olan “akademik tembelliğin, bireysel çıkar sağlamada ve tembellik kültürünü yeniden üretmedeki çalışkanlığın getirdikleri ve götürdükleri; medya endüstrisinin ürettiği çöplükler nedeniyle sorumlu tutulmaması ve bu çöplükleri izleyen halkı aptallıkla ve çöplüğü istediğiyle suçlaması gibi konular/sorunlar incelenebilir.


İLGİLİ İNCELEMELER

İlgili incelemeler, araştırılması tasarlanan konudaki bilgi birikiminin olduğu bilimsel kaynaklardır. Araştırma bir belirsizlikten doğar. Bilim belirsizlikleri azaltma ve ortadan kaldırma girişimidir. Bu girişimde ilk adım, var olan bilgi birikimine (ilgili incelemelere) başvurmaktır. Var olan bilgi birikimi belirsizliği ortadan kaldırıyorsa, araştırmaya gerek kalmaz.

İlgili incelemeler, literatür taraması değildir; göz atma değildir; literatürü ardı ardına sıralama değildir. İlgili incelemeler araştırmaya karar vermeden başlayarak araştırmanın her aşamasında kullanılır.

İlgili incelemelerin işlevleri: ♦ Araştırmanın yapılıp yapılmaması için gerekçe kaynağıdır. İlgili

incelemeler, araştırılacak konuyu anlamaya yardım eder. Böylece, araştırmayı tasarlama kararında gerekli bilgilerin elde edilmesini sağlar. Bu nedenle, bizde “literatür taraması” sanılan ilgili incelemeleri okumayı tasarımın en başından itibaren yapmak gerekir.

♦ İlgili incelemeler yoluyla, incelenmek istenen konuda var olan bilgi elde edilir: O alanda, konuda ve sorunda incelemeler yapılmış mı? Kim, ne zaman, nerede yapmış ve ne tür sonuçlar elde edilmiş?

♦ İlgili incelemelerden geçerek incelenmek istenen sorunun önemi vurgulanır ve yeni bir araştırmanın yapılması gerektiğine gerekçe sunulurken, “şunlar yapılmış ve şunlar bulunmuş” diye incelemeleri sıralamak yanlıştır. Örneğin, (a) konuda bilgi eksikliği olduğu, (b) konunun yeterince üzerinde durulmadığı, (c) konuda araştırmaların tek bir yana odaklandığı ve diğer yanların ihmal ettiği, (ç) zamana ve uzama bağımlılık nedeniyle, farklı zamanlar ve uzamlarda araştırma yapılması gerektiği, (d) yöntemin yetersizliği, (e) (f) ya da sonuçların yeniden gözden geçirilmesi gerektiği gibi gerekçelere ihtiyaç vardır.

♦ İlgili incelemelerde o zamana kadar yapılanların irdelenmesi yoluyla sorunun anlamlılığı ve önemi ortaya konur; böylece, amaç ve araştırma için gerekçe sunulur.


♦ İlgili incelemeler ve bulgular üzerinde kuramsal ve yöntemsel tartışma sunulur ve şimdiki incelemenin önemi vurgulanır. ♦ İlgili incelemeler kullanılarak araştırma sorusu veya hipotezlerin

çıkartılması ve biçimlendirilmesi için kuramsal gerekçe ve geçmiş desteği sağlanır. Böylece, soruların veya hipotezlerin çıkartılması, uygun ve kabul edilebilir yöntemin ve ölçeklerin seçilmesi bilimsel bir temele oturtulur.

♦ İlgili incelemeler, yapılacak yeni incelemede tüm uygun tasarım elemanlarının konulmasına yardım eder. Böylece, önceki deneyimlere dayanarak, tasarımı doğru yapma olanağı elde edilir.

♦ İlgili incelemeler yapılmaması gereken hatalar ve eksiklikleri de sergiler ve böylece, gelişmeler ve düzeltmeler için kaynak olur.

İlgili incelemelerin hazırlanmasında yardımcı öneriler: ♣ Önce, araştırılmak istenen konuyla ve soruyla yakından ilişkili

en yeni bir araştırma bulmak gerekir. Bu araştırmanın kaynakçası diğer kaynakları bulmak için kullanılır.

♣ En önde gelen ilgili inceleme kaynakları alandaki bilimsel dergiler, kitaplar, doktora tezleri, kurumların basılı yayınları, profesyonel toplantı bildirileridir.

♣ Eğer incelenen konuda araştırma çok fazlaysa, konuyla doğrudan ilgisi olan klasikler ve en son yapılanlar alınırsa, yük hafifler. İlgisi olmayan incelemelere asla yer verilmemelidir.

♣ “Önce kaynakları toplayım, sonra okumaya başlarım” stratejisi yanlıştır. İlk kaynaktan itibaren okumaya başlamak gerekir.

♣ Temel birkaç kaynak okunduktan sonra, tasarımı oluşturmaya başlamak gerekir, çünkü okumanın sonu yoktur.

♣ Sadece araştırma sorunuyla ilgili kaynaklar kullanılmalıdır. ♣ İlgili incelemeler okunurken, asla hafızanıza güvenmeyin.

Kesinlikle, yazar adı, soyadı, yılı, başlığı ve basım bilgilerini kaydedin. Alınan notun ne hakkında olduğu (konusu, anahtar kelimesi) yazılmalıdır.


KURAMSAL ÇERÇEVE: KURAMIN ANLAMI VE GÖREVİ

Kuram tutarlı ve sistemli olarak sunulan birbiriyle bağıntılı kavramlar, tanımlamalar ve açıklamalar setidir. Dolayısıyla, kuramsal çerçeve inşası, ilgili incelemelere ve bu incelemelerin kullandığı ve kullanmadığı kuramsal yapıları ele alıp irdeleyerek yapılır.

Pozitivist bilimde, kuramlar “bağıntılı deneysel genelleştirmeler” setidir. Dolayısıyla, kuram bilimsel açıklamalar ve güvenilir tahminler yapmak için zorunlu koşuldur. Bunun anlamı şudur: Kuram olmadan bir araştırma yapılmaz ve kuramı olmayan (kuramsal gerekçeler sunmayan ve bu gerekçelerden hareket ederek araştırma soruları veya hipotezler oluşturmayan) bir araştırmanın bilimsel bir değeri yoktur. Araştırmacı kuramsal çerçeve sunarak araştırmasını uygun bir epistemolojik temele oturtur.

Kuramla, en azından:

♦ Toplumsal olaylar açıklanır ve tahminde bulunulur. ♦ Araştırma için yeni problemler oluşturulur. ♦ Var olan bilgiler örgütlenir ve açıklanır. ♦ Yeni incelemeler ve veriler toplamak için ipuçları elde edilir. ♦ Yeni incelemeler ve verilerle kuramlar sınanır (test edilir); bu

sınama sonucu kuram ya destek bulur ya da düzeltmeler yapma gereği ortaya çıkar.

Kuramla insan gerçeği açıklanır ve kuramdaki değişim yaşanan örgütlü gerçeklerdeki değişimle gelir. Bu değişimde, örneğin, siyasal iletişimde şeriatçı açıklamanın yerini bir başka açıklama alır; örneğin, egemen kuramsal çerçeve “laiklik veya demokratikleşme, özgürleşme” üzerine kurulur. Şeriatın “bilimsel” açıklaması ve çerçevesi yerinden edilir ve egemenlik altında mücadele verme konumuna itilir. Merkeze getirilen bu yeni egemenlikte, örneğin, kadın ve erkek ilişkisine yaklaşım “feminizm” kuramsal çerçevesi ile olur. “Kadınca İki Adım Arkadan Takip Et” dergisi yerine, “Kadınca Lezbiyenlik,” “Kadınca Bol Boyalı Güzellik,” “Erkeği Nasıl Çıldırtırsın” dergileri egemen olur. Elbette “İki Adım Arkadan Takip Et” dergileri de modern pazara uyarak


“Tesettür pazarlaması” işine girerek kapitalist pazara bütünleşir. Bu pazarda, örneğin, kadının, “sermayenin düşük ücretli kölesi” olması özgürlük olarak pazarlanır. Sorun ve soru biçimlendirme bu egemen kuramsal anlayışa göre yapılır. Öte yandan, bazıları bu çerçevenin kapitalist endüstrilerin çıkarını destekleme yönünde biçimlendirilmiş bir çerçeve olduğunu belirtir. Ailede kadının erkeğin egemenliğinden kopmasının ancak kadının ekonomik bağımsızlığını kazanmasıyla olabileceği varsayımını ortaya atar. Bazıları bunun bile yetersiz olduğunu belirtir, çünkü ücretli köleliği ve kadının bağımlılığını her saniye yeniden üreten toplumsal üretim biçiminin ve bu biçimin değişmesiyle değişebilecek bilinç yapılarının da değişmesi gerektiğini öne sürer. Ardından, günümüzdeki kapitalist düzenlerde, kadının evdeki bağımlılığına iş alanındaki ücretli/maaşlı köleliğinin katıldığını ve böylece kadınların çifte bağımlılık içinde olduğunu belirtir. Birkaç kadının sermaye sahibi olmasının, istisna olduğunu ve bunun kaideyi desteklediğini belirtir. Dikkat edilirse, kuramsal çerçeve, araştırmanın ele aldığı konuyla ilgili olarak kurulan kuramsal inşadır. Kuramsal çerçeve tasarımın girişindeki ilk cümleden başlayarak yapılan sunumda, araştırmacı ister farkında olsun veya olmasın, daima vardır. Farkında olmama tasarıma tutarsızlık ve bilimsel yoksunluk getirir. Kuramsal inşa ile gerekçeli, sistemli, tutarlı bir konu sunumu yapılır. Bu sunumla araştırmanın yaklaşım tarzı belirlenir. Bunu yaparken konuyla ilgili önde gelen kuramsal yaklaşımların açıklamaları irdelenerek araştırmanın kendi kuramsal çerçevesi çizilir. İncelemenin neden bu kuramsal yaklaşımı seçtiği gerekçelendirilir. Araştırmanın amacı ve sorularına bağıntılı olarak araştırmanın kullandığı kuramın ilgili varsayımları sunulur.

Türkiye’de yaygın bir şekilde “kavramsal çerçeve” diye bir şey uydurulmuş. “Kavram” teori inşasında bir birimdir. Birimin çerçevesi demek, birimin tanımlanması demektir. Diğer bir deyimle, kavram kuramsal ve işlevsel olarak tanımlanır. Kuramsal tanımda, kavram bir kuramsal inşanın parçası olur. İşlevsel tanımlama yapıldığında ise (ki bu ampirik tasarım yapılıyorsa, yapılır), kuramsal tanıma dayanarak kavram (birim) ölçülebilir hale getirilir. Örnek:


Mücadelede insan, toplum ve iletişim bağı

İnsan biyolojik ve sosyal varlığını sürekli üretmek zorundadır, dolayısıyla kendisiyle ve dışıyla kesintisiz iletişim içindedir. Biyolojik iletişim durduğunda, varlığın canlı insan biçimi son bulur: insan ölür. Biyolojik yapıdaki iletişimde aksamalar olduğunda, bu iletişime bağımlı aksamalar oluşur: Mide beyne acıkmayla/doymayla ilgili sinyalleri gönderemezse, insan acıktığının ve doyduğunun farkında olamaz (Vinny, 2009). Biyolojik iletişim durması demek, insanın ölmesi demektir. Benzer şekilde, sosyal iletişimin aksaması, normalleştirilmiş bir baskın üretim ve ilişki tarzının işlevsellik sorunu olduğunu anlatır. Örneğin, egemenliğin meşruluğunu sürdürme krizinin olduğuna ve yeni bir dinamik egemenlik ve mücadele dengesinin kurulacağına işaret eder (Scott, 2011). Sosyal iletişimin durması demek, toplumun ortadan kalkması demektir. Örneğin, ABD’de de giderek artan protestolar, normalleştirilmiş anormal egemenliklere karşı bir mücadeleyi ve mücadelenin iletişimini anlatır. Bu durumda, medyanın protesto eden kitleleri olumsuz ve negatif biçimde sunmaları egemenliğin sürekli başvurduğu imaj yaratma pratiklerinin parçasıdır (Boss, 2011). Bu araştırma, şimdiye kadar çok ender yapılmış olan, protesto iletişimiyle egemen medyanın imaj inşası arasındaki diyalektiğin doğasını inceleyecektir.

Yukarıda sunulan sadece bir girişin ilk paragrafı olabilir. Bu anlatı, insanı merkeze alan bir yaklaşımla birbiriyle bağıntılı ve birbirini destekleyerek bir bütünlüğü oluşturan bir kuramsal yapının iletişim yanını sunarak inceleyeceği konuya gelmektedir. Bundan sonrası, protesto iletişimi ve medya imaj sunumları üzerine odaklanarak devam eden bir gerekçelendirme olmalıdır.

Araştırma, var olan bilgiye başvurarak, bu bilgilerin toplanış (tasarım) ve yorumlanış biçimlerine (kurama) eğilerek, birikmiş bilgiye katkıda bulunmak veya birikmişi soruşturmak amacıyla yapılmak istenirse, o zaman kuram kaçınılmaz olur.


Eğer bir pazar araştırması yapılıyorsa ve amaç sadece bir grup insanın neyi sevdiği, belli bir malı tercih edip etmediği, araştırmayı yaptıran şirketin adını duyup duymadığını bilmekse, kuram sunma gereği ortadan kalkar, çünkü bilmek istenen ve amaç belli bir çıkarın bilimsel araçları kullanarak gerçekleştirilmesidir. Dolayısıyla, kuramsal gerekçe kullanmayan milyonlarca inceleme vardır. Örneğin, kamuoyu anketi yapan pazarlama araştırmalarında, kuramsal bağ tartışılmaz. Amaç, araştırma bahanesiyle insanlara bir şirketin ve malın (a) varlığını bildirmek, (b) reklamını yapmak, (c) pazar payını artırmayla ilgili politikasına yön vermek, (ç) veya tüketicilerden bilgi toplayarak pazar stratejileri gözden geçirmek ve gerekirse yeniden çizmek olabilir. Stratejiler de, bunun pratiğini bilen profesyoneller tarafından tasarlanır. Bu tür yönetimsel araştırmalar “pazarlama, promosyon, biliş ekme, şirket için işlevsel bilgi toplama” ile ilgilenirler; kuramla ilgilenmezler ve kuramsal gerekçeler sunmazlar. Bu tür araştırmalar belli ortak özellikleri (davranış kalıpları, tutumlar ve beğenileri) bulmaya çalışırlar ve bunu insanların çeşitli yollarla maniple edilmesi takip eder. Politika saptama veya çeşitli uygulamaları değerlendirme amacıyla yapılan incelemeler de benzer karaktere sahiptir. Amerika’da ve ABD’yi izleyen çevrelerde yapılan sosyal bilimler araştırmalarının çoğu bu nedenle “yönetimsel araştırma” (administrative research) veya “uygulama araştırması” (applied research) olarak nitelenirler.

Araştırmaların kuram kullanmamasını irdeleyelim: Bir araştırmada kuramsal yaklaşım sunulmamışsa, bu o araştırmanın kuramsız olduğunu anlatmaz. Hatta kuramsal çerçeve sunmayı reddetse bile, her araştırma, sunduğu açıklamalarla bir kuramsal yapı içine düşer.

Sosyal bilimlerde kuramla insan ve toplum gerçeği sistemli ve tutarlı bir biçimde açıklanmaya çalışılır. “Bu fakültede bol bol kuram öğretiliyor, fakat hayatın gerçeği olan pratik bilgi ve iş becerisi öğretilmiyor” sözü veya “kuram ile uğraşan akademisyenler toplum gerçeğinden kopmuşlar; kuramlarla bulutlar arasında geziyorlar; kuramla uğraşanların ayaklarının yere basması gerekir” gibi iddialar günümüzde çok yaygındır. Bu sözler öznel amaçları ve ilişkileri


meşrulaştıran, Fakülte ile meslek yüksek okulu arasındaki farkı bilmeyen, çıkarcı saçmalıktır. Kuram ve pratiğin kaçınılmaz birliği vardır. Kuram insan pratiğini anlama ve açıklamadır. Pratiğin olabilmesi için, düşünen, karar veren ve faaliyet yapan insan olması gerekir. İnsan pratiğiyle maymunun pratiği arasındaki temel fark, insanın pratiği üzerinde düşünerek kendini geliştirmesi ve tarih ve kültür yaratabilmesidir. Maymunla insan arasındakiler süpermarket kitabı okur ve okuturlar, çünkü kavrayış seviyeleri ancak o kadardır. Endüstriyel yapılar için bu tür kişiler çok daha işlevseldir, çünkü güç yapılarını kontrol edenler sosyal pratikler üzerinde düşünen insan istemezler; isteneni yapan insan isterler, çünkü düşünen insan tehlikelidir. Dolayısıyla, “düşünme, yap” veya “tüket ki var olasın, bu dünyadan zevk alasın” ile süslenen ve “kuram karın doyurmaz” geri-zekalılığıyla beslenen bir egemenlik sürdürülür.

Yani kuram ve pratik birbirinden ayrı iki şey değildir; birbiriyle zıt iki şey de değildir. Kuram insan pratiğinin düşünsel yanıdır ve düşünsel yan olmadan pratik olamaz. Kuramı küçümseyenler ya düşünsel bağlamda yeteneksizdirler ya da pratiği kendi çıkarlarına uygun bir şekilde, “kuramı boş ver, pratiği öğren, sana pratik para kazandırır” diye açıklayarak, kendi çıkarlarını gerçekleştirmek için, bilinçli bir şekilde geri-zekalılığın promosyonunu yaparlar.

Eğer kuramsal açıklama yanlışsa, ama “ideolojinin sonu” gibi geçersiz/aptalca bir açıklamayla geliyorsa, kuram yaşanan örgütlü egemenlik ve mücadelenin bir parçası olduğu için, egemen güçlerin desteğiyle yaygın bir şekilde dolaşıma sokulur: gerçeği açıklayamayan kuramlar popülerleştirilerek, bilinç ve davranış yönetiminin bir parçası yapılır. Bu kuramcılar da şan, şöhret ve parayla ödüllendirilirler.

Pratikle ilgili bilgi demek, pratikle yapılanı, onun nedenleri ve sonuçlarını sistemli, güvenilir ve geçerli açıklanması demektir. Bu açıklamalar bütünü bir kuramı oluşturur. Farklı açıklama tarzları, farklı kuramsal yaklaşım tarzlarının olduğunu anlatır. Farklı yaklaşım tarzlarının olması nicel ve nitel bazda farklı egemenlik ve mücadele tarz ve koşullarının olması demektir. Dolayısıyla, aynı konu ve sorun


farklı kuramsal yaklaşımlarla ele alınabilir. Örneğin, son iki nüfus sayımına bakıp, Türkiye’nin nüfus artışı hızını saptadıktan sonra, örneğin, iki araştırmacı iki ayrı dünya görüşünü yansıtan tasarım ve sonuçla gelebilir. Birinci araştırmacının yorumu şöyle olabilir:

Nüfus hızla artıyor; zaten yoksulluk, sağlık, beslenme ve barınma sorunlarımız var; bu durum sorunlarımızı daha da çok artırmaktadır. Bu nedenle, nüfus planlaması yaparak, nüfus artışını azaltmak gerekmektedir.

Bu araştırmacı bilinçli veya bilinçsiz olarak, sosyal bilimlerde ve ekonomide egemen bir kuramsal yaklaşımın temel bir varsayımını yansıtmaktadır: Bu varsayım ve soruna çözüm önerisi, Malthus’un görüşlerinden beslenen kapitalist ekonomik gelişme teorisinde nüfusun oynadığı rol anlayışına dayanır. 12

İkinci araştırmacının yorumu şöyle olsun: Nüfus hızla artıyor; sağlık, beslenme ve işsizlik sorunları var. Bu durum, az gelirli insanların durumunu daha da kötüleştirebilir. Bu nedenle, ekonomik reformların yapılması acil bir gereklilik halini almıştır.

İkincideki kuramsal temel, birinciden farklıdır. İlk yaklaşımda, çare olarak, nüfus artışının azaltılması sunulmaktadır. İkincide ise, çare olarak, öncelikle reform gerekliliği önerilmektedir.

12 Örneğin, “Paradigmanın İflası” yaklaşımıyla, kuram kavramını bırakıp

aynı felsefi ve bilgi kuramı yapısı içindeki kuramsal çokluğu ve bu çokluktaki zamansal bir paradigmatik egemenliği anlatan paradigma kavramını kullanma da böyledir. Paradigma kavramı çıkmadan önce de, örneğin idealist felsefe tarihine bakıldığında birçok “paradigmalardan” oluşan bir nicel ve nitel çokluk vardı ve hala var. Peki “paradigma” kavramının günümüzde birden bire popüler edilmesinin ardında yatan temel neden ne? Kapitalist pazarın günümüzdeki yapısını ve bu yapının akademik hayatta yansımasının en doğru bir şekilde açıklaması mı? Doğru şekilde açıkladığı tartışılabilir; fakat paradigma kavramının gerisinde yatan dünya görüşü, aslında, çokluğu, farklılığı, globalliği, “post” olarak nitelenen anlatımları getiren bir dünya pazarının ideolojisini taşır.


Dikkat edilirse, bir tasarımda sorun sunumunun ilk cümleleriyle birlikte kuramsal çerçeve oluşmaya başlar. Araştırmacı bu oluşturmayı bilinçli olarak yaptığında, tutarlı bir tasarım ortaya çıkartır. Araştırmacı sorun sunumunda ne yaptığının bilincinde değilse, o zaman büyük olasılıkla, birden fazla kuramsal yapılar içine düşen, tutarsız cümlelerden oluşan bir yığın üretecektir. Bu cümleler yığını nedeniyle, araştırma tasarımı bilimsel karaktere sahip olmayacaktır.

Özlüce:

• Araştırmada, sorun sunumuyla başlayan ve araştırma soruları veya hipotezlerle biten sorun sunumuyla yapılan açıklamalar ve irdelemelerle, aynı zamanda, kuramsal bir çerçeve oluşturulur. Bu çerçeveyle, ele alınan konu ve incelenecek sorun, anlamlı bir çerçeve içine yerleştirilir.

• Kuramsal çerçeve, soruna yaklaşım, yöntem, bulguları sunma ve sonuç çıkartmayı, özlüce, araştırmanın tümünü içerir. Bu tümlük bilimsel nesnelliği/öznelliği ve ideolojik anlamlandırmayı anlatır.

• Kuramsal çerçeve, incelemenin yaklaşım tarzının yeterliliğini ve yetersizliğini ortaya koyan bir biçimlendirmedir.

• Pozitivist metodolojide, toplanan ve analiz edilen verilerin ortaya çıkardığı sonuçlarla kuramın varsayımları test edilir; desteklenir veya revizyonlar yapma gereği ortaya çıkar.

• Kuramsal çerçeve gerekirse ayrı bir bölüm olarak sunulur. • Gerekirse, sorun sunumu içinde tartışmalı bir biçimde verilir. • Kuramsal çerçeve bir sürü kuramsal yaklaşımı ardı ardına

sıralayıp anlatmak değildir. Kesinlikle, özellikle tezlerde sık görülen bir şey yapılmamalıdır: Kuramları sayfalara dökmek ve hatta bu kuramları uzun bir geçmişle sunmak doğru değildir.

• Kuramsal yapılara dayanmadan kurulan ilişkilerin geçersiz olma olasılığı yüksektir. Örneğin, bir çevre dergisini okuyanlar ile okumayanlar arasında karşılaştırma yaparak, okuyanların “çevre duyarlı insanlar” olduğu sonucu çıkartılamaz. Bilme ve okuma ile çevre duyarlılığı arasında ilişki kurabilmek için birikmiş bilgiye dayanan tutarlı kuramsal gerekçeler getirmek gerekir.


Kuramsal çerçeve örneği 1:

Halkla İlişkilerde Tanım, Tarih ve Kuram Bağı

Bu niteliksel araştırmanın kuramsal yaklaşımına göre, iletişim araştırmalarının yönü ve onun ideolojik habitatı ancak siyasal, sosyal ve ekonomik çevrelerin etkileşimi içinde açıklanabilir. Bu çevrelerde eğitim sistemi atmosferi dünyaya belli biçimde bakış tarzını teşvik eder. Kavramların tanımları, akademik ilgi alanları, iletişim kuramlarının veya modellerinin egemenlikleri ancak tarihsel perspektifleri içinde anlaşılabilir (Schiller, 2010). Benzer şekilde, örgütlü biliş ve davranış yönetimi işini yapan halkla ilişkileri, incelemelerini ve kuramsal yaklaşımlarını anlamak ancak tarihsel bağlam içinde ele almakla mümkün olabilir; çünkü hepsi de belli tarihsel koşulların ürünü ve ifadeleridir. Bunun ender olarak yapılması yanında, halkla ilişkiler incelemelerinde kuramsal çalışma hala marjinal bir etkinlik statüsünde kalmaktadır. Bunun temel nedeni pratik temelli bir çevrede sosyal teorilerin tarihsel rolünde yatmaktadır (Mosco, 2011). Halkla ilişkilerde kuramsal çalışmaya ve kuramı irdeleyen teze rastlamak çok güçtür. Daha kötüsü, araştırmaların hemen hepsi kuramsal inşadan yoksundur. Hatta hemen hepsi “kavramsal çerçeve” başlığı altında çeşitli tanımlamalar sunmakta ve birilerinden alıntıları alt alta sıralamaktadır. Hemen hiçbiri uygun kuramsal bir çerçeveye sahip değildir. Fakat yapılanlara bakıldığında hepsinin de pozitivist-deneyciliğin psikolojik denge veya homeastasis kuramlarına dayandığı görülür. ……”

Kuramsal çerçeve örneği 2: (Lazarsfeld, 1972:120)

Medya ve Toplum Bağı: Kullanım ve Etki Sorunu

Kitle iletişim medyası sayısız temel Amerikan prensiplerinin birbiriyle çelişkiye düştüğü bir karşılaşma yeridir. Amerika’da kitle medyası ticari girişimdir ve dolayısıyla hiçbir devlet karışması olmamalıdır. Diğer taraftan, kültürel öneme


sahiptir, dolayısıyla, kamu sorumluluğu alanına girerler. Eğer çoğunluk Cumhuriyetçi basın isterse, böyle bir basının da olmasında hem fikir oluruz. Eğer çoğunluk, kötü radyo programı isterse, onun da mı olması gerekir? Bu noktada “halka istediğini verme yaklaşımı” ile “kültürel standartların gelişmesi ve önderlik yaklaşımı” çatışmaya girer. Bir diğer çatışma, ifade özgürlüğüyle toplumun ahlaki değerleri arasında olandır: Örneğin seks etiği: Ahlaksal ile “meşru ilgi” ne zaman tehlikeli sansüre döner? Bu değer çatışmaları nasıl çözümlenebilir? Önce varlıkları tanınmalıdır ve açıklığa kavuşturulmalıdır. Sonra bütün çözüm seçenekleri üzerinde durulmalıdır. “Biz üç görevle yüz yüzeyiz: Problemin tarafsız ve yapıcı bir biçimde formüle edilmesi; Bağımsız ve bilgi sahibi imalar ve sonuçların analizi; Meşru çıkar çatışmalarını uzlaşmaya vardırmak için arzu ve kabiliyet... Sonuçta, kitle iletişim medyasının topluma ne yapacağı, bizim, yurttaş olarak, kitle medyasıyla ne yaptığımıza bağlıdır

ARAŞTIRMA SORULARI VE HİPOTEZLER

Araştırmacı ilgili incelemeleri okuduğunda var olan bilgi birikiminin doğasını öğrenir. Konuyla ilgili ana tartışmalar ve sorunlar hakkında bilgi elde eder. Yaklaşım tarzları, ilgi alanları, yönelimler, bulgular, sonuçlar, dışarıda bırakılanlar, neden dışarıda bırakıldıkları hakkında bilgiye sahip olur. Böylece yapmak istediğini anlamlı bir epistemolojik ve temeline oturtur. İlgili incelemeler ve kuramsal çerçeve kurulduktan sonra, sorun tanımı gerekçeli araştırma sorusu (soruları) veya hipotez (hipotezler) sunumuyla sonuçlandırılır. Dikkat edilirse, tasarımda, araştırma soruları veya hipotezlerin çıkartılmasına doğru giden bir sorun sunumu hazırlanır. Bu aşamadan sonra her şey bu hipotezler veya araştırma soruları üzerinde inşa edilir.

Bir sorun sunumu, bizi birden fazla araştırılacak soruya götürebilir. Hatta her soru altında alt sorular oluşabilir. Araştırmacı bu soruları araştırma soruları veya hipotezler biçiminde ifade etmelidir. Bu ifade


bir faktörün, olgunun, değişkenin veya grubun doğasını anlamak olabileceği gibi, faktörler, olgular, değişkenler veya gruplar arası ilişkiler ve ortak değişmeler de olabilir. Soru (veya hipotez) bir anı, bir kişiyi, bir nesneyi tek bir zaman dilimi içinde ele alabilir veya zaman içindeki oluşuma, değişime, gelişmeye veya faaliyete odaklanabilir. Bütün bunlar araştırma sorusuyla belirlenen süreçle ortaya çıkar.

Nitel/yorumlamacı bir tasarım yukarıda belirtilen aşamadan sonra, analiz ve değerlendirmeye geçebilir. Pozitivist-ampirik araştırmada ise, araştırma sorusu veya hipotez ile bir ilişkinin ifade edilmesi yeterli değildir; aynı zamanda ilişkideki değişkenler ölçülebilir hale getirilebilir olmalıdır. Örneğin, “namaz kılmayla cennete gitme” arasındaki ilişki soru olarak ortaya konabilir. Fakat ölçme olanağı olmadığı için, pozitivizme göre, metafizik bir önermedir; bilimsel değildir; bilimsel deneyle sınanamaz. Dolayısıyla, ölçerek yanıtlama olasılıkları olan sorular veya hipotezler gözlem yapılabilecek biçimde ifade edilmelidir.

Araştırma Soruları ve Hipotezlerin Çıkartılması

Yukarıda, araştırma soruları ve hipotezlerin sorun tartışması sunumuyla başlayan bir süreç sonucunda belirlendiği açıklandı. Birçok tezde ve araştırmada keyfi olarak araştırma soruları veya hipotezler ortaya atılmaktadır. Hatta hipotez ortaya atmadan hipotez testleri yapılmaktadır. “ki-kare testi kullanarak sosyodemografik değişkenlerle diğer değişkenleri karşılaştıracağım” demek pozitivist bilime hakarettir. Hoşa gittiği, ilginç göründüğü veya test yapmak istendiği için araştırma sorusu veya hipotez ortaya atılmaz. Araştırma soruları ve hipotezler sorun sunumu sırasında gerekçelere dayanarak çıkartılır. Böylece tasarımda ne yapılacağı ile ilgili süreç biter ve nasıl yapılacağı başlar.

Aşağıdaki örnekte, çok özlü olarak “medya ürünlerinin dağıtımında tekelleşme” olduğu sorunu ele alınmakta ve bu sorundan iki araştırma sorusu ve bir de hipotez üretilmektedir:


Örnek: Tekelleşme ve Yerel Medya Bağı

Uluslararasına uzanan medya endüstrisindeki ekonomik ilişkilerde önemli konulardan biri de ürün üretimi ve dağıtımında, ve sinemada olduğu gibi “tüketim yerinde” olan tekelleşmedir. Bu tür tekelleşmenin pazar yapısı ve pazar ilişkilerine önemli sonuçlar getireceği kaçınılmazdır. Dağıtımda tekelleşme bağlamında ilk yapılması gereken, dağıtım firmalarıyla ilgili mülkiyet yapısı ve ilişkileri üzerine eğilmektir. Böylece mülkiyet ve pazar bağı hakkında anlamlı bilgi edinme ve geçerli nedensellik bağları kurma olasılığı elde edilebilir. Bu bağlamda araştırılması gereken iki soru ortaya çıkmaktadır:

(1) Basılı ürünleri Türkiye çapında dağıtan firmaların günümüzdeki mülkiyet yapısı nedir?

(2) Bu yapı nasıl oluşmuştur?

Tekel yapısı yarattığı pazar koşulları nedeniyle, yeni firmaların pazara girmesi ve tutunmasını engellemekte ve güçsüzlerin pazarda kalabilme olasılıklarını azaltmaktadır. Bu durum, yerel basını araştırılması gereken sorunlu bir ekonomik pozisyona yerleştirir. Bu sorun bağlamında ortaya çıkan ve incelenmesi gereken sorulardan biri de, tekelleşme sürecinde yerel medyaya ne olduğudur. Yukarıda sunulan gerekçe ve girişte sunulan tartışmalar “tekelleşmeyle birlikte yerel medyanın yok olma olasılıkları da artmaktadır” varsayımını getirmektedir. Bu varsayımdan araştırmak için şu hipotez çıkartıldı: Basında tekelleşme arttıkça yerel medyanın yaşam olanakları azalmaktadır.

Aşağıdaki örnek, kullanımlar ve doyumlar kuramsal çerçevesine dayanan bir araştırma tasarımında, araştırma sorusu ve hipotezin nasıl çıkarttığını göstermektedir. Dikkat edilirse, gerekçe var olan bilgi birikiminden ve bir kuramsal çerçeveden hareketle inşa edilmektedir:


Kullanım ve doyumlar yaklaşımına göre, medya kullanım yoluyla bireyin bazı gereksinimlerini giderir ve ona aradığı doyumları sağlar. Elde edilen doyumları anlamak için, hangi ihtiyaçların ne ölçüde medya ve medya içeriği tarafından karşılandığını bulmak gerekir. Aynı zamanda, medya ve medya içeriklerinin belli amaçlı kullanımdaki yoğunluklarının belirlenmesi de zorunludur. Ayrıca hangi medyanın ve medya içeriğinin hangi gereksinim ve doyum için görevsel olduğu varsayımını test etmek gereği vardır. Önceki incelemeler medya arasında hem görevsel farklılıklar (Katz, Gurevich, Haas, 1973; Katz, 1974; Erdoğan, 1977), hem de görevsel benzerlikler (Elliot, 1976) olduğunu bulmuştur. Bu bağlamda iki grup soru önem kazanmaktadır: Birinci grup sorular medyanın karşıladığı gereksinimlerle ilgilidir:

Eğer medya tarafından farklı ihtiyaçlar farklı bir biçimde karşılanıyorsa, hangi medya hangi ihtiyaç doyumu için kullanılmaktadır?

İkinci grup sorular gereksinimi gidermek için seçilen içerikle ilgilidir:

Kullanıcılar belli gereksinimi gidermek için belli bir içeriği diğerine tercih ediyorlar mı? Diğer bir deyimle, belli medya içerik biçimlerinin diğer medya içerik biçimlerinden farklı doyumlar sunma olasılığı fazla mıdır?

Bu soruyla ilgili olarak önceki incelemeler içerik kategorileri ve doyumlar arasında anlamlı ilişkiler bulmuşlardır (Green, 1974; McQuail ve diğerleri, 1972; Erdoğan, 1977). Yukarıdaki soru ve bulgularla ilgili olarak “izleyicilerin farklı ihtiyaç doyumları için farklı içerik kullandığı” varsayımından şu hipotezler çıkartıldı:

H1 : Bir araç telafi amaçlı kullanıldıkça, eğlenceli içerikten faydalanılır.

H2 : Araç çevreyi gözleme ve pratik fayda için kullanıldıkça, enformasyon veren içerik seçilir.


Araştırma Soruları ve Hipotezlerin Sunumu

Yukarıdaki örneklerde de görüldüğü gibi, araştırma sorusu/hipotez geliştirme süreci araştırma sorusu veya hipotez sunumuyla noktalanır.

1. Araştırma soruları

Araştırma sorusu bir fenomenin doğasının ne olduğunu bulmaya çalışan betimleyici araştırma gerektiren bir soru olabileceği gibi, iki veya daha fazla değişkenler arasında nasıl ilişki olduğunu belirlemeye çalışan ve ampirik bir araştırma gerektiren bir soru da olabilir.

Araştırma soruları araştırma yöntemiyle yakından ilişkilidir. Bu bazda üç ana soru tipi vardır.

Tanımlayıcı/betimleyici sorular: Bu tür sorular, araştırılanın özelliklerinin ne olduğu bilinmek istendiğinde veya “durum” saptaması yapılmak istendiğinde kullanılır. Örneğin, halkın fikrini öğrenmek isteyen kamuoyu araştırmaları bu tip sorulardan oluşur. Kadınların pembe dizileri izleme yoğunluğunu, çocukların hangi programları izlediklerini ve turistlerin gidilecek yer tercihlerini inceleme bu tür soruları gerektirir. Tanımlayıcı sorular “ne?” sorusuyla ilgilenir.

Örnek:

Televizyon nedeniyle radyo programcılığında, içeriğinde ve program ilgi alanlarında önemli değişmeler olmuştur. Bu değişimlerden biri de, Türkiye’de özel radyoların çıkması ve hızla yaygınlaşmasıdır. Bu araştırmanın amacı (a) radyoların ulusal çerçevedeki niceliksel dağılımı ve (b) Ankara’da dinlenen radyoların ilgi alanlarını belirlemek; (c) elde edilen verilere dayanarak gerekli kategorileri oluşturmak, böylece akademik bilgi birikimine katkıda bulunmaktır. Bu amaca bağlı olarak şu sorular çıkartıldı: Türkiye’de radyoların ulusal ve yerel dağılımları nedir? Ankara’da dinlenen radyoların dağılımı nedir? Ankara’daki radyoların temel ilgi alanları nedir? Bu ilgi alanları nasıl sınıflandırılabilir?


İlişkisel sorular: İnceleme iki veya ikiden fazla değişkenler arasında ilişki aradığında bu tür sorular biçimlendirilir. Örneğin, kız çocuklarıyla erkek çocukları arasındaki tv izleme ve program tercih farklarını inceleyen bir araştırmanın soruları bu türdendir. Ekoturizm ile çevreyi kirletme bazında karşılaştırma yapan inceleme de böyledir.

Nedensellik soruları: Neden sonuç bağı kuran sorulardır. Bir veya birden fazla değişkenin (örneğin, bir programın veya program içeriklerinin) bir veya birden fazla değişkenlere (örneğin, okuldaki başarıya, davranışa, sosyal ilişkiye) etkisi arandığında, nedensellik bağı kuran sorular biçimlendirilir. Örneğin, bir siyasal söylevin dinleyicilerin fikirlerini değiştirip değiştirmediğinin soruşturulması; televizyon seyretme yoğunluğunun çocuklarda sosyal izolasyona neden olduğunun araştırılması.

Bu üç soru (tanımlayıcı, ilişkisel ve nedensel) birbirini takip eden metodolojik bir bağa sahiptir: İlişkiyi inceleyebilmek için, önce değişkenlerin özelliklerini tanımlayıcı incelemeyle belirlemek gerekir. Nedensellik bağının kurulabilmesi için, önce bir ilişkinin olduğunu saptamak ve ardından da bu ilişkide nedensellik bağı aramak gerekir. Aslında, bu ilişkileri kuramsal olarak varsayar ve test ederiz: Yani bu üç aşamadan, araştırma yoluyla geçmek gerekmeyebilir.

2. Hipotezler

Hipotez gerekçeli sorun belirleme (problem formülü) sonucu elde edilmiş deneysel bakımdan test edilebilir bir ifadedir (McGaw ve Watson, 1976). Bilimsel hipotezler bir kuramdan çıkartılan ve deneyle test edilebilir ifadelerdir. Hipotezle kavramlar gözlemlenebilir ifadeler içine örgütlenir. Gözlemlenebilirlilik bilimsel bilgiyi duyular, metafizik, sezgi, mantık ve otoriteye başvurmayla elde edilen bilgiden ayırt eder.

Hipotezler kuramdaki bir varsayıma ve bu varsayımın ilişkili olduğu diğer varsayımlara bağlıdır. Tümdengelim karakterinden yoksun olan hipotez (örneğin, hiçbir gerekçeye dayanamadan ortaya atılan “kent ile kırsal alan arasında televizyon izleme bağlamında fark vardır” hipotezi), geçerli bilimsel açıklama ve tahmine izin vermez.


Kuramsal bir varsayım hipotez değildir. Varsayım test edilebilir ifadeye dönüştürüldüğünde veya test edilebilir (gözlemlenebilir) olduğunda hipotez olur. Hipotez aynı zamanda bir varsayımın testi ve bu varsayımın çıkıp geldiği kuramın testidir.

Ampirik tasarımda, hipotez denildiğinde, aslında, aynı anda iki hipotezden bahsedilir: Alternatif hipotez ve yokluk hipotezi. Alternatif hipotez, araştırmacının sunduğu hipotezdir. Yokluk hipotezi “ilişki yok” hipotezidir. Örneğin araştırmanın hipotezine göre, “X ile Y arasında ilişki var.” Araştırmacının bu hipotezine alternatif hipotez denir. Test edilen hipotez ise “X ile Y arasında ilişki yok” ifadesiyle belirtilir. İlişki olmadığını belirten bu hipoteze “yokluk hipotezi” denir. Alternatif hipotez “A” veya “H1”, Yokluk hipotezi ise “O” veya “H0” sembolleriyle ifade edilir.

Pozitivist-ampirik araştırmada, alternatif hipotez test edilmez; yokluk hipotezi test edilir. Araştırmacı alternatif ve/veya yokluk hipotezini sunar; verileri toplar ve istatistik uygular; test sonucuna göre ya yokluk hipotezi reddedilip alternatif hipotez kabul edilir ya da yokluk hipotezi kabul edilip alternatif hipotez reddedilir. Dikkat edilirse, hipotez sunumunda araştırmacı tahminini sunar (alternatif hipotez) ve bu tahmini olumsuzlayan yokluk hipotezini test eder.

İstatistik testinde aslında “eğer yokluk hipotez doğruysa, elde edilen sonucun olasılığı nedir?” sorusu sorulur. Ardından, hangi olasılığa göre, red veya kabul edileceğine karar verilir. Sosyal bilimlerde, yanılma payı olarak bilinen bu reddetme olasılığı genellikle % 5 (veya % 1) olarak seçilir. Bu olasılık p = .05 (veya p =.01) ile ifade edilir (p harfi “olasılık/probability” için kullanılır).

Veriler toplanıp SPSS’e girdikten sonra, gerekli istatistik yapılır; istatistik toplanan verilere dayanan olasılık seviyesini verir. Bu olasılık seviyesine bakarak, yokluk hipotezi ya reddedilir ya da kabul edilir. Eğer elde edilen olasılık, % 5 veya % 5’den az ise, o zaman, yokluk hipotezi reddedilir. Sonuç istatistiksel bakımdan anlamlı denir.

İlişki yok demek, o iki şeyin birbirinden bağımsız olduğu demektir.


Kısa gerekçeli örnek 1:

Haber İçeriğiyle Profesyonel İdeolojiler Bağı Televizyonda haberlerin sıralanması hem keyfi değildir hem de herkes tarafından kabul edilen evrensel kıstaslara göre yapılmaz. Haber sıralaması hakkında sunulan gerekçeler, profesyonel pratikleri meşrulaştırır. Haber sıralaması, hangi haberlere yer verildiği ve her haber için ayrılan sürenin bilinmesi, profesyonel pratiklerin karakterini anlamada atılacak ilk önemli adımlar arasındadır. Yukarıdaki gerekçelerden incelemek için iki araştırma sorusu ve iki hipotez çıkartıldı:13

Soru 1: Akşam haberlerinde haber sıralamasının karakteri nedir?

Soru 2: Akşam haberlerinde ele alınan temalar nelerdir?

Hipotez 1: Verilen haberin sıralanmasıyla profesyonel ideolojiler arasında ilişki vardır.

Hipotez 2: Haber içeriğinin karakteriyle profesyonel ideolojiler arasında bir ilişki vardır.

Kısa gerekçeli örnek 2:

Materyal ilişki ve düşünsel olanın bağı Çevreye duyarlı olan bir şirket yöneticisi düşünelim. Bu yönetici şirketin ana faaliyetlerinden birinin çevreyi kirlettiğini görsün. Bu durumda, kişinin çevre bilinciyle bireysel çıkarı arasında çatışma ortaya çıkar. Şirketin bu faaliyeti karşısında, bu yönetici çevreyi kirletme yönünde karar verirse, kendi kendiyle çelişkiye düşer ve psikolojik gerginlik içine girer. Aksi karar verirse, işini kaybetme riskiyle karşılaşır. Bu durumda ortaya çıkan hipotezlerden biri şudur: Risk arttıkça riski almama yönünde karar verme olasılığı da artar.

13 Bazıları, örneğin bu örnekte sunduğum araştırma sorularını, keşfedici,

betimleyici veya tek-değişkenli hipotez olarak kabul etmektedir.


Diğer örnekler: H1 = Kişinin depresyonu arttıkça sosyal izolasyonu da artar. H0 = Depresyonla sosyal izolasyon arasında bir ilişki yoktur. H2 = Halkla ilişkilerde imaj yapılandırmanın başarısıyla hedefin

gerçeği bilmemesi arasında bir ilişki vardır.14 Diyelim ki, bu hipotezlerde olasılık seviyesi (p) .05 olarak belirlendi

ve test sonunda p = .01 çıktı. Bunun anlamı, .01 olasılık seviyesinde anlamlı bir ilişki olduğudur. Bu durumda yokluk hipotezi (H0) reddedilir ve alternatif hipotez (H1) kabul edilir.

Hipotezler evrensel ifadeler olabilir: Eğer A ise, daima Y olur. Su deniz seviyesinde 100 derecede ısıtıldığında kaynar.

Hipotezler istatistiksel ifadeler olabilir: Eğer A ise, muhtemelen Y olur. Endüstrileşme arttıkça çevre hastalıkları olasılığı da artar.

Hipotezler, betimleyici olabilir: Yüksek tansiyon hastalarının beslenme alışkanlıklarının özellikleri nedir? (Dikkat: Bu soru bir hipotez mi yoksa bir araştırma sorusu mu?).

Hipotezler tek, iki veya çok değişkenli olabilir: Tek değişkenli: Sadece bir değişkenin doğası hakkında sunulan

hipotezdir. Örneğin “Türkiye’de siyasal katılma düşüktür” kuramsal varsayımının ölçülebilir hipotezi şöyle olabilir: Türkiye seçimlerinde oy verme oranı düşüktür. (Bu hipotezi incelemeye gerek var mı?)

İki değişkenli: İki değişken arasındaki ilişkinin doğası hakkında sunulan hipotezdir: Televizyon izleme yoğunluğuyla insanlara güven arasında negatif bir ilişki vardır.

Çok değişkenli: Gelir dağılımındaki adaletsizlik arttıkça yoksulluk, yabancılaşma, sömürü ve sosyal gerginlik de artar.

14 Dikkat: Bu tür ifadeler sonuç cümleleridir. Bunların sonuç cümlesi,

varsayım veya hipotez olduğunu araştırmacının sunduğu gerekçe belirler.


Hipotezler kapsam/miktar/yoğunluk belirleyebilir: Örneğin, Uzun dönem uzmanlık eğitimi alma, iş bulma olasılığını artırır. Kadınlar aynı iş için erkeklerden daha az para kazanır.

Hipotezler yön belirleyebilir veya belirlemez: Hipotezler iki veya daha fazla değişken arasında ilişki olduğunu belirttiklerinde yönlü veya yönsüz ifade sunabilir.

a. Yönü belirlenmeyen hipotez sunumu

Bu tür hipotezde, yön (ilişkinin pozitif mi yoksa negatif mi olduğu) belirtilmez. Onun yerine iki değişken arasında ilişki olduğunu belirten hipotez sunulur. Yokluk hipotezi ise ilişki veya fark olmadığını belirtir.

Örnekler: H1: Tv izleme ile okuldaki başarı arasında ilişki vardır. H2 : Kızlar ve erkek çocuklar arasında televizyon izleme

zamanı bakımından fark vardır.

b. Tek-koşullu yönü olan hipotez sunumu (One-tailed)

Bu tür hipotez sunumunda, değişkenler arasındaki ilişkinin yönü ifade edilir. Yön ya pozitif ya da negatif ilişki olarak belirlenir. A bağımsız değişkeni (etken) ile B bağımlı değişkeni (etkilenen/sonuç) arasındaki pozitif ilişkide, A artarsa B de artar, A azalırsa B de azalır. Negatif ilişkide ise, A artarken B azalır veya A azalırken B artar.

Örneğin, gerekçeli bir sunumdan şu kuramsal varsayım çıkartılsın: “Esnek üretimin başarısı, işyerlerinde sendikasızlaştırmaya bağlıdır”. Bu varsayımdan iki hipotez üretelim:

H1 = Esnek üretimin başarısıyla sendikasızlaştırma arasında pozitif bir ilişki vardır.

H2 = Esnek üretimin başarısı sendikasızlaştırma arttıkça artar.

Diğer örnekler:

H1 = Diğer insanlarla ilişki azaldıkça, dayanışma kurup mücadele etme olasılığı da azalır. (Pozitif ilişki)

H2 = İnsanların gerçeği bilmesi arttıkça, gerçekleri dönüştüren imaj yapılandırmasının başarısı azalır.


c. Çift koşullu yönü olmayan hipotez sunumu (Two tailed)

Çift koşullu yönü olmayan hipotezde ilişkinin olduğu bilinir, fakat hangi yönde olduğu belli değildir; her iki yöne de gidebilir. Yönü olmayan hipotezde, ilişkinin varlığı bellidir, fakat yön belirtilmez, çünkü, örneğin, gizli bir araştırmada, bir hapın insan beynine etkisi araştırılıyor diyelim; ilacın etkileri olacak fakat ne tür etki yapacağı belli değildir: “N’olacak” ilacını uygulama sonucu bir değişiklik olacaktır.

Araştırmada Birimler ve Birimlerin Seçimi

Araştırmacı konuyu/soruyu somutlaştırdığında “araştırma birimini” kendiliğinden ortaya çıkar: Araştırma sorusu ve hipotezler araştırma biriminin ne olduğunu gösterir. Ancak araştırma biriminin bilinmesiyle, araştırmacı veri toplamak ve değerlendirmek için doğru kaynak seçimini gerçekleştirebilir. Araştırma biriminden analiz birimi (veya birimleri) ve ondan da ölçme birimi (veya birimleri) çıkar. Araştırma biriminde, inceleme için ölçüsü alınacak şey neyse, o analiz birimdir.

Birimler birey, örgütler, gruplar, coğrafi bölgeler veya metinler olabilir. Birimler kademeler içindeki gruplar veya bireyler de olabilir.

Bazı temel birim çeşitleri: Birey: Birim bir sınıftaki tek tek kişiler, turistler, seyirciler olabilir. Grup: Aile, Coca Cola kuşağı, turist grubu, tur operatörleri olabilir. İnsan olmayan nesneler, ürünler: Kitap, program, gazete başlığı,

program grubu, web sayfası ve müzik ürünleri olabilir. Coğrafik bir birim: Köy, kasaba, kent, mahalle, bölge. Sosyal ilişki: Boşanma, evlilik, cinayet, dedikodu, eğlence, savaş. Sosyal ilişki yerine geçen ilişki: Tv izleme, kitap okuma, Kadınca

dergisiyle kadınlığını bulma, taş fırın erkeğiyle erkek kimliğini kurma, Magnum yiyerek seksüel gereksinimini giderme.

İletişim birimi: medya, mesaj (metin), izleyici, iletişim örgütü, iletişim profesyoneli, iletişim teknolojisi, gazete sayfası, filmin karesi.

Bir araştırma bir veya birden fazla araştırma birimine sahip olabilir. Aynı incelemede farklı analizler için farklı birimler kullanılabilir.


Bireysel seviyedeki araştırma birimi, kavramda bir özellik bir kişiye atfedildiğinde veya bir grubun bireylerinin her biri araştırmanın konusu olduğunda ortaya çıkar. Örneğin, eğer öğrenciler sınav notlarına göre karşılaştırılıyorsa, araştırma birimi öğrencilerdir; analiz birimi “her öğrencinin aldığı nottur”; ölçme birimi de “100 üzerinden alınan nottur”.

Grup seviyesindeki araştırma birimi, bir özellik gruba atfedilince veya grup araştırma konusu olduğunda ortaya çıkar. Örneğin, iki sınıfın başarı seviyesi karşılaştırılıyorsa, araştırma birimi sınıftır; analiz birimi, “sınıfın ortalama notudur”; ölçme birimi de, “100 üzerinden değerlendirilen nottur”. Örneğin, program türleri içeriğinin dağılımı inceleniyorsa, araştırma birimi program türüdür; analiz birimi “türlerin dağılımıdır”; ölçme birimi ise dağılımı belirlemede kullanılan ölçektir.

Kuramsal ve İşlevsel Tanımlamalar

Tanım bir kavramın belirleyici karakterlerini anlatır. Kavramlar iki seviyede tanımlanır: Kuramsal ve işlevsel.

1. Kuramsal tanımlama

Kuramsal tanımlamalar, kavramların açıklamalarıdır. Kuramsal tanım ile bir şeyi belirleyen özellikler/göstergelerden geçerek, o şeyin ne olduğu (ve böylece ne olmadığı) belirlenir. Örneğin “kadın” kavramı kendi kendini açıklayan apaçık bir gerçek gibi görünür. Fakat bilimde apaçıklık önkabulü yoktur, çünkü kadın bir birimdir ve araştırmada biz bu birimi bir veya birden fazla özelliğine göre incelemek için ele alırız. Dolayısıyla, sözcüğün anlamını, araştırmada ne yapılacağı belirler. Araştırmada, kadın “düşük ücret politikasını gerçekleştirmek için kullanılan düşük ücretli emekçi” olarak tanımlanabilir. Veya “bu incelemede kadın ve erkek seksüel tercihlerine göre tanımlandı” ifadesiyle gelen bir tanımlama yapılabilir; bu durumda, kadın cinsiyet değişkeninin bir göstergesi olarak kullanılmamaktadır.

Ampirik araştırmalarda kuramsal tanımlama, işlevsel tanımlamanın doğasını, yani neye göre yapılacağını belirler. Bu nedenle bir kavram tanımlanmadan asla işlevsel tanımlama ve ölçme yapılmamalıdır.


Niteliksel incelemelerde kavramların tanımlanması kuramsal bir temele dayandırılarak yapılan analizsel betimlemelerdir. Birilerinin yaptığı tanımları ardı ardına sıralama değildir. Örneğin ideoloji, popüler, halkla ilişkiler, özgürlük veya iletişim gibi bir kavram egemen anlamından farklı anlamda kullanılmak istenirse, kavram tutarlı gerekçelerle kuramsal bir tartışma sunarak tanımlanmalıdır. Bazı koşullarda, buna gerek kalmaz. Örneğin “bu araştırmada, kitle iletişim araçları kavramı sadece gazete, radyo ve televizyonu içeren bir şekilde kullanıldı” demek yeterlidir.

Tanım ile birlikte, o tanıma bağlı olarak, o tanımın sınırladığı sorun belirleme, analiz, sentez ve sorun çözme yaklaşımları gelir: sorun tespiti, hipotez formüle etme, açık uçlu (seçeneksiz) ve kapalı uçlu (seçenekli) sorular hazırlama, klinik ve laboratuar testleri hazırlama, araştırma araçlarını/gereçlerini kullanım biçimini belirleme gibi.

Kuramsal tanımlamada önem verilmesi gereken noktalar şunlardır:

♦ Tanımda tanımı yapılanın temel özellikleri sunulmalıdır. ♦ Tanım totolojik kavramlarla değil, göstergelerle yapılmalıdır. ♦ Tanım açık olmalıdır, muğlak veya üstü kapalı olmamalıdır. ♦ Mecazi dil yerine, doğrudan anlatımla tanımlanmalıdır. ♦ Tanım eğer olumlu olarak sunulabilirse, olumsuz olmamalıdır.

Fakat, eğer olumsuz zorunlu görülürse, elbette kullanılabilir.

Kavramların tanımlamaları araştırma soruları (veya hipotezler) bölümün başında yapılabilir veya kavramlara açıklık getirmek için sorular (veya hipotezler) sunulurken yapılabilir.

Kavramlarla ilgili geniş kuramsal tartışma getirilecekse, kuram bölümüne konabilir.

2. İşlevsel tanımlama

Bir şeyin doğru ölçülebilmesi için önce kuramsal tanımlaması ve bu tanımlamayı kullanarak işlevsel tanımlamasının yapılması gerekir. Kuramsal tanımlama ile bir kavramın ne anlama kullanıldığı belirtilir. İşlevsel tanımlama ile kavram (sayıma dökülebilir, sınıflandırmaya konabilir, belli ölçü kullanılarak ölçülebilir, tartılabilir) bir biçimde


tanımlamadır. İşlevsel tanımlama gözlem veya deney seviyesinde yapılan tanımlamadır. İşlevsel tanımlama, bir değişkeni ölçme gerektiğinde ortaya çıkar; dolayısıyla niteliksel araştırmalarda işlevsel tanımlama kullanılmaz.15

Örneğin, incelemede medya davranışı ve medya tercihi kavramları kullanılıyorsa, bu kavramların ölçülebilir tanımlamalarının yapılması gerekir. Bu tanımlamalar olmazsa, ölçmede yanlış yapma olasılığı artar. Elbette, cinsiyet gibi, tanımı herkesçe bilinen bir değişkenin tanımlanması yapılmaz. Yapılmaz, fakat cinsiyete seçenek olarak “erkek, kadın, homoseksüel” tercihleri verilmez. Verilirse ciddi bir metodolojik hata yaparız.

Kuramsal ve işlevsel tanımlamanın ardından anket soruları hazırlanır, ölçekler geliştirilir ve ölçme işine girişilir.

Genel olarak iki tip işlevsel tanımlama vardır: ölçülmüş ve deneysel. Yukarıdaki açıklamalar ölçülmüş tanımlama biçimidir. Deneysel işlevsel tanımlama değişkenin maniple edilişindeki ayrıntıyı anlatır ve deneysel tasarımda kullanılır.

Televizyon, kültür, siyasal parti ve birey “ölçme birimleridir.” Birimlerin kendileri ölçülemez; fakat sahip oldukları karakterler ölçülebilir ve diğerleriyle ilişkilendirilebilir. Bu nedenle, araştırmada bilinmek istenene uygun bir şekilde birimlerin özelliklerini belirlemek ve bu özelliği ölçülebilir hale getirmek gerekir. Örneğin “siyasal parti” ölçme birimi olarak ele alındığında, önce ölçüleceğin ne olduğunun bilinmesi gerekir. Eğer araştırma “siyasal parti tercihi” ile ilgileniyorsa, o zaman tanımlamanın tercihe göre yapılması gerekir. Araştırma parti ideolojisi veya parti politikası ile ilgileniyorsa, o zaman tanım da ideoloji veya politikaya göre yapılır. Dolayısıyla, araştırma için birimin hangi karakterinin veya karakterlerinin inceleneceğine tasarımda somut bir şekilde karar vermek gerekir.

15 İşlevsel tanımlama (operational definition): “İşlemsel tanımlama” değildir,

çünkü bir “işlem” yapmak için yapılmaz; bir kavramı ölçülebilir hale getirmek ve böylece veri toplamayı gerçekleştirmek için yapılır.


Örnekler:

Medya tercihi: Medya tercihi insanların haber gereksinimlerini karşılamak için tercih ettikleri araç olarak tanımlandı. Ölçme, yedi kademeli ölçek kullanılarak yapıldı.

İçerik tercihi: Belli bir gereksinimi gidermek için, aynı araçtan bir içerik türünün diğerlerinin yerine tercih edilmesi anlamına kullanıldı. Yedi kademeli ölçek ile, deneğin belli bir içeriği ne kadar kullandığı belirlenerek ölçüldü.

Televizyon seyretme yoğunluğu: Kişinin televizyonu kullanım miktarı olarak tanımlandı. Kullanım miktarı günlük kullanımın saat olarak ifadesiyle belirlendi.

Tanımlama, basit bir betimleme sorunu değildir. Bir araştırmada tanım sorunu varsa, sorun tanımlamanın dayandığı kuramsal çerçeve ve tanımlamanın beraberinde getirdiği belli düşünce tarzı ve bu tarzın belirlediği bilimsel ve sosyal politika, soruna ve sorun çözümüne yaklaşım biçimi ve bunların ortaya çıkardığı sonuçlarla ilgilidir.

Tek bir bilimsel kuram olmadığı ve her ana kuramın yaklaşım tarzı içinde çeşitli pozisyonlar olduğu gibi, üzerinde anlaşılan tek bir tanım yerine, birbirine paralel, birbirini tamamlayıcı, birbirine kuramsal bakımdan benzeyen veya birbiriyle rekabet içinde egemenlik mücadelesi veren tanımlamalar da vardır. Bunun anlamı oldukça açık: Bir konuyu veya sorunu incelemek için gerekçe sunarken, kuramsal ve işlevsel tanımlamalar evrensel veya nesnel ölçütler olarak ortaya çıkmazlar. “Yoksulluğun nedeni eğitimsizliktir” diyen kuramsal varsayım ve bunu ölçmek için eğitimi “mezun olunan okul” olarak belirleyen işlevsel tanımlama ile yürütülen bir araştırma “endüstriyel çıkarlara işlevsel” olan yanlılığı yansıtır. “Yoksulluğun nedenleri üretim tarzı ve ilişkilerinde yatmaktadır” diye gelen bir kuramsal yapı, “eğitimsizlik” nedenini neden olarak görmez; eğitimsizliği “yoksullukla birlikte var olan bir diğer koşul (birlikte var olan değişken) olarak görür. Benzer şekilde, bir nitel tasarımda, “kadın/feminizm” kavramı, örneğin, burjuva-feministler, post-modern feministler ve Marksist feministler tarafından, farklı biçimlerde ele alınıp incelenir.

BÖLÜM III

YÖNTEM

Yöntem, araştırma tasarımında “neyin nasıl yapılacağı” ile ilgilidir.

Araştırmada ne yapılacağı kesin olarak açıklanmadan, sorun belirlenmeden, araştırma soruları/hipotezler çıkarılmadan, yöntem konusu ele alınmaz; çünkü ne yapılacağını bilmiyorsak, nasıl yapılacağına doğru karar veremeyiz. Dolayısıyla, tasarımda önce “ne yapılacağı” gerekçeli olarak belirlenir. Yöntem bölümünde ise “neyin nasıl yapılacağı” açıklanır.

Yineleyelim: Yöntem (metod) ve yöntembilim (metodoloji) aynı şey değildir. Yöntembilim epistemolojinin dalıdır ve “bilimsel yöntemlerin incelenmesi” anlamına gelir. Pozitivist gelenekte yöntem “araştırmanın nasıl uygulanacağı” sorusuyla ilgili süreçler anlamında kullanılır. Tasarımın bu bölümünde, araştırmada yapılmak istenene uygun bir araştırma yöntemi inşa edilir.

Yöntem (ve süreçler) bölümü kendi içinde alt bölümlere ayrılabilir. Bu ayırma da, seçilen niteliksel veya niceliksel yöntemin özelliklerine göre, farklılıklar gösterir. Örneğin, nitel analizde, değişkenlerin ve neyin nasıl ölçüleceğinin belirlenmesi gereği yoktur:

Yöntemin temel aşamaları

• Araştırmanın kapsamının belirtilmesi • Tasarım türünün açıklanması • Verilerin nereden nasıl toplanacağının saptanması • Verilerin toplama yönteminin açıklanması • Değişkenlerin belirlenmesi • Neyin nasıl ölçüldüğünün tek tek belirtilmesi • Analizin nasıl yapıldığının ayrıntılı açıklanması • Güvenirlik ve geçerlilik sorunlarının sunulması • Kuram ve yöntemin sınırlılıklarının belirtilmesi

Yöntem 110

ARAŞTIRMANIN KAPSAMI

Yöntem bölümünde önce araştırmanın kapsamı belirtilir. Kapsam yoluyla araştırmaya çerçeve çizilir ve araştırmanın sınırları belirlenir. Bu yapılırken, incelemenin “ne yapmak için” tasarlandığı, neyi, kimi ve nerede inceleyeceği açıklanır:

Bu araştırma birbirine bağlı iki konuyu incelemek için tasarlandı: Önce, bilgisayarla aracılanmış iletişimin doğasını belirleyen kullanım-faktörleri Türkiye örneğiyle saptandı. Sonra, saptanan faktörlerin “bilgi toplumunun göstergeler” içine düşüp düşmediği belirlendi. Böylece internet kullanımıyla bilgi toplumu arasında kurulan bağın geçerliliği saptandı.

Yukarıdaki örnekte araştırmanın kapsamı “bilgisayarla aracılanmış iletişimin doğasını belirleyen kullanım faktörleri,” “Türkiye örneği” ve “bilgi toplumunu oluşturacak göstergeler” çerçevesi içine düşmektedir. Bu açıklama yoluyla araştırmanın kapsamı belirlenmiştir. Kapsam asla “araştırmanın sınırlılığı” değildir.

ARAŞTIRMA TASARIM TÜRLERİ

Araştırmanın kapsamı açıklanarak incelemenin içerdiği çerçeve belirlendikten sonra, araştırmanın tasarımının türü belirtilir. Araştırma türleri, tek bir ölçütle gruplandırılamayacak kadar çoktur ve çeşitlidir. Bu kitapta, sadece pozitivist ampirik ve ampirik olmayan türlerin, sosyal bilimlerde yaygın olarak kullanılanları ele alındı ve bunların temel tasarım aşamaları açıklandı.

Pozitivist-ampirik metodolojide, veri toplanacak kaynağı belirlerken “olasılık kurallarına göre atanarak seçme yapılıp yapılmadığı” sorusuna verilen yanıtla gelen araştırma türleri gruplandırması şekil 2’de gösterildi. Şekildeki “tasarımda gruplara rastlantılı görev verilecek mi? sorusunun anlamı şudur: Araştırma tasarımında araştırma konusu olan birimler (örneğin, insanlar, metinler) rastlantılı olarak görevsel gruplara ayrılacak mı? “Görevsel grup” atamasında, örneğin, insanlar rastlantılı olarak iki gruba ayrılır; birinci gruba “kontrol grubu” denir;

Yöntem 111

ikinci grup deney grubudur. Deney ikinci grup üzerinde uygulanır; istatistik testi bu iki grup arasında yapılan karşılaştırmayla yapılır. Karşılaştırmada amaç deney gurubunda farklılık olup olmadığını tespit etmektir.

Şekil 2. Olasılıklı seçenek testi ölçütüne göre tasarım türleri

• Eğer gruplara olasılıklı görev verme kullanılmak istenirse, bu tasarıma olasılıklı/rastlantılı deney veya gerçek deney adı verilir.

• Eğer gruplara rastlantılı görev verilmezse, ikinci bir soru sorulur: Tasarım çok grup veya çok ölçek mi kullanacak?

• Eğer bu soruya cevap “evet” ise, bu tür tasarıma deneyselimsi (quasi-experimental) tasarım denir. Deneyselimsi tasarımlarda deneysel incelemeye yakın bir tasarım yapılır. Tasarım deneysel gibidir, çünkü inceleme bütün değişkenleri maniple etmeye veya kontrol etmeye izin vermeyen bir ortamda yapılır. Bu nedenle, bu tür tasarımlar deneyselimsi araştırma olarak nitelenir. Bu tür tasarımın takip ettiği süreç deneysel tasarımın aynısıdır.

• Eğer cevap “hayır” ise, buna deneysel olmayan tasarım denir. Bu tür tasarımlar “niteliksel inceleme” adı altında toplanır.

HAYIR

Kontrol grubu var mı? Çoklu ölçme mi?

HAYIR

EVET

Olasılıklı bir seçenek test ediliyor mu?

EVET

Gerçek deneysel tasarım

Örnekler: • Öncesi sonrası testi

tasarımları • Faktör tasarımları • Tekrarlanan ölçüm

tasarımları • Denekler arası ve içi

karşılaştırma

Örnekler: • Survey tasarımı • Grup karşılaştırması • Zamana göre: Gelişme tasarımı Çapraz-kesitsel Tekrarlanan ölçüm• Eylem araştırması

Deneyselimsi tasarım

Deneysel olmayan tasarım

Örnekler: • Tarihsel tasarım • Olay/case analizi • Niteliksel etnografya• Eylem incelemesi • Değerlendirme • Fenomenolojik • Alan araştırması

Yöntem 120

3. Etnometodoloji/Karşılıklı konuşma analizi tasarımı 20

Karşılıklı-konuşma analizi etnometodolojiden çıkıp gelmiştir; kayıt edilmiş karşılıklı-konuşmayı inceleyip konuşmanın nasıl örgütlendiğini (konuşmayı örgütlemenin yapısını ve kalıplarını) araştırır; konuşmada ne olduğunu açıklar; yorumlama veya yorumlamacı bir inşa yoktur.

Bu tasarım, konuşmanın, “dilin mikro-örgütlenmesi seviyesindeki” incelenmesidir: İncelemede, konuşmayı yürütülmenin doğası üzerinde durulur. Bu yapılırken, aşağıdaki temel çerçeve içinde hareket edilir:

• İlk aşama, incelenecek konuşmanın kaydedilmesidir. Konuşma analizi, teoriden başlamaz, konuşmalardaki düzenli kurallardan ve bu kuralları nasıl oynadıklarından (olgudan/olandan) başlar. Dolayısıyla, bu tür analizde, analizi yapanın konuşmadaki kuralları bilmesi gerekir ki konuşmayı gözlemlerken hangi kurala göre konuşmacıların oynadığını bilebilsin.

• İkinci aşama; yazıya döküm (transcription): incelemenin amacına göre, kaydedilmiş konuşmanın yazılı dökümünün çıkarılması.

• Üçüncü aşama, bu dokümandan analizi yapılacak parçanın veya parçaların belirlenmesidir. Bir parça/bölüm bir veya birden fazla, diziden oluşabilir. Bir dizide, bir taraf konuşma eylemini başlatır ve diğer taraf buna karşılık verir.

• Dördüncü aşamada, seçilen parça, sağduyuya başvurularak, bir konuşma dizisinde konuşmanın “ne yaptığı ve yapılanların karşılıklı bağıntısı” anlamlandırılmak için analiz edilir. Bu analizde, dizide, karşılıklı konuşmada sıra-alma (“biri bir şey söyler, öbürü dinler; konuşan susar, dinleyen yanıt verir biçiminde giden söz alma sırası) işinin “yürütülmesine” bakılır.

• Konuşmada kelimelerin nereye yerleştirildiği ve birbirini takip eden yerleştirmelerin nasıl yapıldığına bakılır, çünkü konuşmanın akışı içinde, kelimelerin yerleştirilmesi, kelimelerin anlamlarını açıkça gösterir.

20 Bkz: Antaki, 2008; Butler ve diğerleri, 2009; Hutcby ve Wooffitt, 2008.

Yöntem 121

• Sıra alma ile yürütülen karşılıklı konuşmada, iki tarafın sözleri birlikte bir ikili oluşturmasına (Adjacency pair) bakılır. Örneğin ilk ikili parçalar, sorular, davetler ve emirler gibi belli yanıtların takip ettiği sözlerdir. İkinci parçalarsa yanıtlar, kabuller ve katılmalardır.

• Araştırmacı, tercih edilen ve kötü-tercih edilen yanıtların (kalıp tercihlerinin) konuşmada nasıl örgütlendiği (örneğin, beklenen yanıtlar hemen verilirken, tercih-edilmeyen yanıtlarda, örneğin duraklama gibi farklılık vardır) üzerinde durabilir.

• Konuşmada üst üste çakışmaya/örtüşme, söz-kesme, ve yakın ve uzak bağlamlar üzerinde durulabilir.

• Birden fazla bölüm/parça ele alınabilir ve karşılaştırılabilir.

• Analizde, anlam kelimenin kendisinden çıkarılmaz, konuşma sırasında, konuşmanın akışındaki yerleştirmelerden çıkarılır.

• Analizde insanların kategorileri nasıl kullandığı da incelenir.

• Konuşma analizinin sunumu (raporu) üç ana temel başlık altında yapılır: Giriş: Araştırmayla ilgili olarak araştırmanın konusu ve katılanları hakkında geri plan bilgisi, konuşmanın ortamı, konuşmaya katılanların ilişkisiyle ilgili bilgi ve ele alınan konu hakkında bilgi verilir. Böylece okuyucu ilişki seviyesinde ne olduğunu anlar ve araştırmayı ona göre değerlendirir. Konuşma Analizi: İncelenen dizinin, bölümün veya tüm konuşmanın /mesajın metni verilir. Her mesajın sol tarafında veya altında o mesajın, bu mesajın ilişkisel yanının içeriğini anlatan, analizi sunulur. Bu sunumda, ilişki biçimlendirme/tutuma ile ilgili olarak 4 temel yan (otorite/authority, duygu/affection, güven ve yoğunluk /intensity) açıklanır. Bu mesajın bir öncekiyle ilişkisi (bir öncekini destekleme, reddetme veya tasvip etmeme) belirtilir. Sonuç: Bu bölüm konuşmanın bir özetini vermeli; bu özette ne tür bir dizi/parça olduğu, bu dizinin/parçanın genel ilişki içine uyumlu olarak girip girmediği ve çıkarılan sonuçlar ve genelleştirmeler sunulur.

Yöntem 138

10. Öykü analizi (Narrative analysis) 31

Öykü analizi bir anlatının incelenmesidir. Öykü analizi tasarımının işlediği konu bireylerin yaşam öykülerinden, grevlere, yürüyüşlere, gösterilere, direniş müziğine, başkaldırı destanlarına, aşk hikayelerine, romanlara, televizyon haberlerine, popüler fıkralara, sinema filmlerine, magazinlere, dergilere, dedikodulara, şantajlara, çamur atmalara, çocuk çizgi fimlerine ve dizilere kadar çeşitlenir: hayatın her yanıyla ilgili her anlatı öykü analizinin konusu/sorunu olarak ele alınabilir. Bu konuların her biri birbiriyle ortak öğelere ve farklı özelliklere sahiptir. Yani, anlatıların ortak yanları yanında, anlatılar, örneğin, biçimleriyle, stilleriyle, öyküleyeniyle, öykülediğiyle ve sunduğu dünya görüşüyle farklılıklar gösterir. Yani, öykü analizinin karakteri, analizi yapan araştırmacının kullandığı kuramsal yapının karakterine göre farklılaşır. Örneğin, medyadaki anlatının gerçeği temsili olduğunu benimseyen bir yaklaşım tarzıyla, bunu reddeden bir yaklaşımın öykü analizleri, analizlerinin getirdiği açıklamalar ciddi şekilde farklılık gösterecektir.

Aşağıda öyküyü oluşturan temel öğeler sunuldu. Bu öğeler bize öykü analizini tasarlarken neler üzerinde durmamız gerektiğinin ipuçlarını vermektedir. Bir öykü analizi tasarımı bu öğelerin hepsini içerebileceği gibi biri veya birkaçı üzerinde de odaklanabilir:

a. Öyküleyici (öyküyü anlatan)

Öyküleyici, öyküyü anlatandır: Öykülemede öyküyü örgütleyen, seçen ve anlatan bir anlatıcı vardır.

Eğer öyküyü anlatan, bir efsaneyi anlatan veya ağıtı ağıtlayan ise, bu durumda, efsanenin veya ağıtın yapısının oluşmasında bu öyküleyicinin hiç bir katkısı yoktur. Öyküleyici, düzenlenmiş ve örgütlenmiş olanı tekrarlayarak yeniden-üretendir. Öyküleyici bir roman, şiir veya senaryo yazarıysa, durum değişir: öyküleyici, aynı zamanda, öyküyü örgütleyendir.

31 Ayrıntı için bkz: Clandinin, 2007; Elliot, 2006

Yöntem 139

Öyküleyici, örneğin, bir futbol maçını anlatan ise, olayın sadece gidişini/akışını, kültürel kodlar çerçevesinde ve kendi anlatı yeteneği ve alışkanlığıyla, öyküleyendir. Ama “olayla” ilgili olarak (örneğin bir golün atılışıyla ilgili olarak) kendi yorumlarını katarak olayı anlatır.

Bir dizide veya filmde, asıl öyküleyici kameranın kullanımıyla çekimlere karar verendir. Fakat biz sinemayı seyrederken onu görmeyiz; onun yerine, öyküleyici olarak karşımıza, bizim için bakan ve olayı izleyen kamera çıkar. “Kamera göz kırpmaz” gibi bir görüşle gelen anlayışa göre, kamera, öyküleyici olarak gerçeği, göz bile kırpmadan yakalar ve sunar. Bu anlayış, teknolojiyi yücelten ve gerçeği saptıran bir biliş yönetiminin parçasıdır.

Yukarıdaki paragraflarda sunduklarımdan biri veya birkaçı öykü analizi tasarımı için seçilebilir ve analiz onun üzerinde inşa edilebilir.

b. Hikaye/öykü ve öykünün örgütlenmesi/yapısı

Her anlatıda bir “hikaye” ve bu hikayenin “öykülenmesi” vardır. Öykü sözlü gelenekten şimdiki dijital geleneğe kadar değişen biçimlere sahiptir. Bir zamanların tandır başında sözlü olarak yeniden-üretilen ve hatta üretilen öyküler (dedikodular dahil), televizyon gibi merkezi öykü sistemiyle yerelin elinden alınmış ve kitle iletişimi profesyonelleri tarafından yeniden biçimlendirilerek ve endüstriyel yapıların öyküleri de eklenip yaygınlaştırılarak tekrar yerele sunulmaya başlanmıştır. Günümüzde televizyon yoluyla kapitalist sermayenin çıkarını gerçekleştirme işinde profesyonelleşmiş ve uluslararasılaşmış merkezi öykü sistemleri, sistemin aktörleri ve öyküleriyle, bilgisayarla aracılanmış sanal aleme uzatılmış ve genişletilmiştir. Bireysel ifadeler olarak sunulan tüm sanal dünya öyküleri (facebook’daki ilişkiler dahil), günümüzdeki egemenliklerin ve mücadelelerin çerçeveleri içindedir.

Hikaye/öykü, bitmiş bir üründür. Araştırmacının tasarımdaki amacı hikayeyle ilgili bir veya birden fazla konuyu/sorunu ele alıp incelemek olabilir. Dolayısıyla, öykü araştırmanın araştırılacak birimidir; bu nedenle, öykü analizi tasarımı hazırlamak demek, bu birimle ilgili bir veya birden fazla yanı incelemek için seçmek demektir.

Yöntem 140

Öykü analizinde, eğer bir kişinin öyküsü ele alınacaksa, örneğin, “yaşam hikayesi yöntemiyle” öyküsü anlatılacak kişiyle ayrıntılı mülakat yapılır ve sonra sanki hikayeyi o yazmış gibi onun hikayesi yeniden-anlatılır (Reissman, 1993).

Her anlatı, belli amaçlarla dileyeni/izleyeni/okuyanı için seçilmiştir, biçimlendirilmiş, düzene konmuş ve öykülenmiştir; hikayenin bir anlatısı vardır ve bu anlatı belli bir görüş açısından ve belli bir düzenleme içinde örgütlenip sunulur. Örneğin, medyanın içerik türlerine baktığımızda, tür içinde ve türler arasında benzeşen ve farklılaşan öyküleme biçimleri, kalıpları, rutinleri, gelenekleri ve üretim pratikleri görürüz. Öyküleme bir veya birden fazla amacı ses, yazı ve/veya görüntü yoluyla paketleyip sunmadır. Öykünün bir yapısı vardır ve bu yapıdan geçerek sunduğu bir veya birden fazla görüş açısı vardır. Elbette, öykünün dinleyenleri/izleyenleri vardır. Bu izleyenlerin öyküyü anlamlandırmaları ve karşılık vermeleri vardır.

Öyküleyenin, örneğin bir film karesinde sunduğu görüntü “atanmış” anlam çerçevesi içinde bir anlama gelirken, kareler toplamı bir eylem sahnesinde, atanmış anlamın ötesinde başka bir anlama gelebilir (farklı anlam ima edebilir). Dolayısıyla, öyküdeki asıl anlam, bağlam içinde inşa edilen anlamdır. Bir diğer örnek: “Karalama” kavramının ne anlama geldiğini bilebilmek için onun sözlük anlamını/anlamlarını ve toplumda kullanılan diğer anlamlarını bilmek gerekir. Sözlük anlamını bilsek bile, “karalama” sözcüğü kendi başına, belirsizlik fazla olduğu için, somut bir şeyi ifadede edemez. Ancak kavramın kullanıldığı bağlamı bilirsek, belirsizliği ortadan kaldırıp o ilişkide/öyküde anlatılan “asıl anlamı” bilebiliriz. “Defteri karalama, karalama defteri veya kimseyi karalamak iyi değildir” gibi ifadelerle bağlam sunulduğunda, asıl anlam çıkmaya başlar.

Her öyküde ele alınan hikayeyle bağıntılı olarak bir şekilde dengesi bozulan bir düzen vardır: Tv araba kazası haberlerini düşünün. Haber kazalarla bozulan bir normal düzenin öyküsünü sunar. Aşk-ı Memnu, normalleştirilmiş bir egemenliğin içinde yasak olarak tanımlanan (normalleştirilmiş yapıyı bozan) bir aşk ilişkisini hikayeler. Dolayısıyla,

Yöntem 141

öyküler normal denenden ayrılma, düzeni bozma, rahatsız etme, değişim, düzensizlik, karmaşa, egemenlik ve mücadele hakkındadır. Öyküler genel olarak şu öyküleme yapısına sahiptir ve bu yapı bir araştırma tasarımının raporlanması/anlatılması yapısına benzer: Öyküde bir sorunun inşa edilmesi, inşayla bu sorunun öykülerle ayrıntılandırılması ve sorunun çözümü. Ele alınan sorun (örneğin haber yapılacak sorun) tesadüfi olarak veya evrensel önem ölçütlerine göre seçilmez: Seçim, seçenin amacına, çıkarına, güç ve çıkar ilişkilerine, dünya görüşüne ve inançlarına göre yapılır. Bu nedenle ki, örneğin, bir televizyon şirketinde seneler boyu aç karnına parasız çalıştırılanlar ve uzun sene beş paraya çalıştıktan sonra doldun ücret almaya başlayanlar, asla “iş koşullarıyla, baskıyla, sömürüyle, insan haklarının çiğnenmesiyle, iş yerindeki kölelik ve kötü kullanma koşullarıyla ve ilişkileriyle ilgili haber yapmazlar, aralarından isteyenler çıksa da, yapamazlar. Dolayısıyla, öykü seçimi amaçlı olarak yapıldığı için, öykülenmesi gerekenlerin öykülenmediğini ve öykülenmemesi gerekenlerin öykülendiğini çok görürüz. Öykülemede konu/sorun seçimindeki bu karakter, öykünün sonraki yapılarında da kendini gösterir: öyküleyen, doğal olan veya doğal olarak kabul edilen, normal olan veya normalleştirilmiş olan, meşru olan veya meşrulaştırılmış olan bir düzenin kırılmasını, bozulmasını veya rahatsız edilmesini konu/sorun olarak ele alır ve öyküleme ile ayrıntılandırır. Bu ayrıntılandırmada da, öyküleyenin dünya görüşü, çıkarı, güç ve çıkar ilişkileri, inançları, hırsları, beklentileri, dostlukları ve düşmanlıkları belirleyici rol oynar. Bu rol oynama, öykünün bitişinde de yansır: Öykü, eğer bir roman ise, romanın sonunda, kötüler ve düzeni bozanlar cezalarını alırlar; düzenin bozulmasından acı çeken ve düzeni yeniden kuran kahramanlar ve yardımcıları da ödüllendirilirler. Hollywood ve onun egemenliğindeki dünyadaki öykülerde, kahramanın ödülü, güzel kötü kadınla olan macerası varsa, o geçmiş bir tarih olarak kalır, ama güzel iyi kadına “konar, alkış ve övgü toplar. Düzenin sahiplerinin bu olaydan ve ondan haberi bile yoktur. Banka soyarak hırsızlıkla düzenin bozulması sonucunda, hırsızın cezalandırılması gerekir, cezalandırılmazsa, bu öyküyü yazanlar, kurgulayanlar ve yayanlar

Yöntem 142

devletin yasal güçleri tarafından mahkemeye verilir ve cezalandırılırlar. Bu kural, “Gateaway” filmiyle başlayan gelenekte, “devleti yöneten güçlerin çıkarına aykırı olmayan bir şekilde öyküyü bitirmeye izin verilerek geliştirildi: Mafyadan veya bir başka hırsızdan çalan “iyi hırsızlar” Meksika’ya kaçarak bu parayla yaşamaya başlayan şekilde öykü bitirildi. Benzer gelenek “Death Wish” filmiyle başlayan gelenekte, kızına tecavüz eden suçluları avlayıp öldüren “kahramana” adaletin temsilcisi polis, kahramanımızın New York’da kalmaması koşuluyla göz yumdu ve Chicago’ya gidip yaşamasına izin verdi. Bu “Death Wish” türü öyküleme yapısının günümüzdeki iki örneği “Kuzuların Sessizliği, Hanibal, ve Dexter” gibi yapıtlardır. Öyküyü ayrıntılandırmada, egemen düzeni destekleyici, bozan ve kötüleyici ayrıntıların nasıl sunulduğu ele alınıp incelenebilir. Öykü konusundan, kahramanın seçiminden başlayarak, ayrıntılandırılmasına ve sonuçlandırılmasına kadar giden öykülemede, örneğin banka hırsızı 20 yıl ceza yer, ama insanların paralarını hortumlayanların hala aramızda olmasının nedenleri öykülenmez. Öyküleyenler öyküleme tarzı nedeniyle uluslararası üne kavuşabilirler veya hapse atılabilirler. Öyküleri birçok dile tercüme edilerek dünyaya dağıtılır veya polis tarafından toplatılır veya dolaşıma sokulması veya dolaşımda bir köşeye itilip marjinal kalması sağlanır. Dikkat edilirse, öykünün inşasında, sadece dilsel kodlar/şifreler ve anlatısal düzenlemeler egemen değildir, aynı zamandan makro seviyedeki egemenliğin kodları (örneğin devletin yasal kodları) da, öyküyü biçimlendirici kodlar olarak rol oynarlar (hani, gerçeği dil veya diskors belirliyordu? Dili ve diskorsu belirleyen ne ve kimler?). Elbette, en gözde sorun öykülemesi ve çözümler “reklam inşasıyla” gelir: Sorun ve çözüm: Sen değerlisin, sürekli olarak değerini koruman gerek; bak, şu sorunun var, ama şunu kullanırsan, alırsan, yersen veya içersen sorunun geçer. Elbette, haberlerde olduğu gibi, sorun bazen araba kazasıdır ve kazaları durduramazlar, ama, bu kötü haberi kötüleri lanetleyerek veya iyi olmaya davet ederek veya, çoğu kez, iyi haberle bitirerek bizi rahatlatırlar. Tüm bu anlattıklarımdan öykü analizi (metin analizi veya ideolojik analiz) yapmak için sorular çıkartılabilir.

Yöntem 143

Öyküde herhangi bir olay veya söylem, dinleyicide/izleyicide hayatıyla ilgili bir yanı hatırlatarak/çağrıştırarak onda bir duygu, düşünce, yanıt ve reaksiyon uyandırıyor mu? Bu uyandırmanın, öyküyü örgütleyenler ve dinleyenler/izleyenler için getirdikleri ve götürdükleri neler olabilir?

Öykü ne tür değerleri, düşünceleri, inançları ve beklentileri işlemektedir? Bu işleyişin doğası nedir? Örneğin bu işleyişte, belli ticari çıkarlar için tüketici kültürüyle ilgili değerlerin ekilmesi mi egemen olmaktadır. Ya da, bu işleyişte belli siyasal çıkarlar için inanç sömürüsü mü yapılmaktadır?

Örneğin, öykünün bir parçası şöyle inşa ediliyor: “Ben Bilkent’e gidiyorum. Sen hangi üniversitedesin?” diye soruyor kız, senelerdir görmediği çocukluk arkadaşına. Arkadaşı anlık susunca, hemen, küçümseyici bir tonla, “ha, devlet okuluna gidiyorsun demek ki” diye devam ediyor. Bu parçada işlenen değer ve biliş, özel olanın kaliteyle ve üstünlükle ilişkilendirilmesi ve devlet olanın da kalitesizlikle nitelenmesidir. Araştırmacı, öyküde veya türdeş öykülerde bu tür değer işlemelerini inceleyebilir. Bunun ötesine geçerek, bu değeri işleyenlerle görüşme yaparak, neden böyle bir değer işlemeye gerek duyduklarını sorabilir ve verilen yanıtları inceleyebilir.

Öykü analizlerini dilbilimcilerden sosyal bilimcilere kadar, her araştırmacı kendi alanının teorik ve ilgi çerçevesi içinde yapabilir. Bir dilbilimci, retorikçi veya iletişim alanında çalışan bir sosyal bilimci bir öykünün yaratılışı, kompozisyonu, adaptasyonu, sunumu ve sembolik mesajların alımlanması üzerinde araştırmadan geçerek açıklamalar getirebilir. Benim önerim, ampirik araştırma süreçlerini ve istatistiği bilmiyorsan, ampirik araştırma yapma. İletişim alanında çalışanların hemen hepsi sosyal bilimlerin bir dalından gelmektedir, ama ne yazık ki bazıları, örneğin diskors analizi veya göstergebilimsel analiz yapmaktadır. Utanç verici, çünkü bu tür analizi iletişim alanında çalışanların hiç biri yapamaz, çünkü bu tür araştırmayı yapacak metodolojik bilgiye sahip olacak bir eğitimden geçmemişlerdir.

Yöntem 189

• Konuyla ilgili olarak neyin nasıl yapılacağını (yöntemi) açıklamak; ölçme ve analiz süreçlerini belirlemek.

• Verileri toplamak ve analiz etmek: örneğin, eğer kurumsal çevre ile ilgili bir durum belirlemesi yapılacaksa, analiz edilecekleri yasal/yönetsel çevre, teknolojik çevre, siyasal çevre, ekonomik çevre, sosyo-kültürel çevre ve müşteriler ve diğer kuruluşlar gibi ilişkide olunan çevrelerin ele alınması ve durum analizinin yapılması gerekir. Konu eğer kurumsal motivasyonsa, kurumun tarihi, misyonu, ilişkisel kültürü, ödül ve ceza yapısı gibi öğeler ele alınır. Konu performans konusunda kaynakların ne ölçüde etkili kullanıldığının belirlenmesi ise, kaynaklar için tahsis edilen finans, çalışanların verimliliği, müşteri memnuniyeti, yönetim kadrosunun ve sisteminin etkinliliği gibi göstergelerle ilgili durumlar saptanır.

• Bulguları sunmak

• İlgili incelemeler, kurumun geçmişi, sorun/konu ve bulguları ilişkilendirerek sonuçlar çıkartmak ve önerilerde bulunmak.

3. Değerlendirme araştırması (evaluation research)

Bu tür araştırmalar, örneğin, örgütlerin iletişim değerlendirmesini yaparlar; bir programın, politika uygulamasının ve herhangi bir pratiğin etkisini veya başarısını değerlendirirler. Çalışanlar üzerinde inceleme yaparlar. Örgütün verimliliğini değerlendirirler; Şirketin iş yapışıyla ilgili maliyet analizi yaparlar. Maliyet ve kar analizi yaparak, karların artırılması için öneriler sunarlar. Yaptıkları değerlendirmeden geçerek, başarıları ve başarısızlıkları saptarlar, kontrol mekanizmalarının geliştirilmesine katkıda bulunurlar. Özlüce, bu tür araştırma kamu kurumlarının ve özel teşebbüsün ihtiyaçlarını ve problemlerini çözmeye yöneliktir. Bu tür araştırmalar, çoğunda kuramsal çerçeve, bilgi birikimini irdeleme, temsili örneklem alma ve genelleştirme gibi kaygılara sahip olmadığı için, bilimsel/akademik karakterden yoksun olarak nitelenirler.

Yöntem 190

Değerlendirme tasarımında temel olarak üç tür soru sorulur. Bu sorunun doğasına göre tasarım ya betimleyici, ya normatif ya da etki araştırması karakterini kazanır. Betimleyici değerlendirmede, örneğin bir programın amaçları, süreçleri ve beklenen sonuçları betimlenerek değerlendirilir. Amaç programın düzgün ve etkili olmasına katkıda bulunmaktır. Normatif değerlendirme araştırmasında çeşitli normatif değerler kullanılarak, örneğin bir programın amaçları, gene başarısı düşünülerek, değerlendirilir. Etki değerlendirme araştırmasında bir programın amaçları, sonuçları (etkileri) bağlamında değerlendirilir. 44

Değerlendirme, sistemli olarak bir şeyin değerinin belirlenmesidir. Değerinin belirlenmesi tanımlayıcı incelemeyle, uygulama analiziyle, biçimsel değerlendirmeyle vb. şekillerde yapılır. Örgütsel iletişimin durumunu değerlendirmede, ileti hazırlanması, ileti gönderme ve geri-besleme fonksiyonlarının karakterleri incelenir. Değerlendirmenin konusu örgütsel iletişim süreci olabilir; yönetici kadronun iletişim tarzı olabilir; Örgütteki işçiler konu olarak ele alınır ve “verimlilik için” yetiştirmeye giden bir “verimlilikte motivasyon kazanma” iletişim araştırmasına konu edilebilir. Değerlendirmede amaç, bir durum tespiti olabilir; bir programın başarısının ve başarısızlığın saptanması olabilir. Değerlendirmeyi özellikle örgütün kendisi ister ve ödemeyi de örgütün kendi yapar. Örgütün amacı, verimliliği artırma amacına uygun örgütsel iş görme atmosferinin yaratılmasını sağlamak olabilir.

Değerlendirmede çeşitli stratejiler uygulanır. Birinci stratejide bilimsel deney modellerinin uygulaması en egemen olanıdır. Maliyet-kar hesapları, maliyette etkenlik gibi incelemeler bu şekilde yapılır. İkinci tür stratejide, yönetim temelli sistem modelleri kullanılır. Örneğin, “Program Evaluation and Review Techniques” ve “Critical Path Method” denen iki program hem kamu hem de özel sektör tarafından yaygın bir biçimde kullanılmaktadır. Üçüncü tür stratejiler niteliksel antropolojik modellerdir. Bunlar gözlemin ve öznel insan yorumunun

44 Kamuoyunu kullanarak kurumsal performansı değerlendirme analizi örneği

için bkz: http://www.polisci.wisc.edu/users/kritzer/misc/bank/eval.htm

Yöntem 191

değerine önem verir. Critical Okul, çeşitli niteliksel analiz okulları ve sanat eleştirisi bu tür içine girer. Dördüncü tip stratejiler “katılımcı merkezli” modellerdir. “Katılımcı merkezli” modeller, örneğin, örgüt içi iletişimde, verimliliğin artırılması için Taylorism’den veya otoriter örgüt yönetiminden vazgeçip, örgüt içinde herkese göreceli bir katılma olanağı veren “katılımcı örgüt yönetimi” biçiminin benimsenmesini savunurlar. Bu çerçeve içinde, örgütlerde yönetici ve çalışanları “duyarlılık eğitimi” çerçevesinde hem incelemeden hem de program uygulamasından geçirirler. Elbette gene, bu incelemeyi ve program uygulamasını isteyen ve parayı ödeyen o örgüttür. Görüldüğü gibi birçok strateji var ve yaklaşımların hepsinin savunucuları kendilerinin üstün stratejiye sahip olduğunu belirtir.

Değerlendirme tipleri değerlendirilen şeye ve değerlendirmenin amacına göre çeşitlenirler. Temel fark değerlendirmenin şekillendiren (formative) veya ekleyen (summative) olmasındadır. Şekillendiren incelemeler değerlendirilen şeyi geliştirmek amacını güderler. Bu amaçla, bir programın veya teknolojinin uygulanması, uygulama kalitesi, örgütsel yapının durumunun, personelinin, süreçlerin ve girdilerin değerlendirilmesi yapılır. Buna örnek olarak Amerika’daki milli parkların kuruluş ve gelişme planları verilebilir. Şekillendirmeci değerlendirme önemli birkaç türe sahiptir. Bazı örnekler:

* İhtiyaç değerlendirmesi: Programa, teknolojiye, uygulanmak istenen neyse ona, kimin ihtiyacı var? Bu ihtiyacın önemi ne, ne kadar acil? İhtiyacı ne giderebilir?

* Uygulama değerlendirilmesi: Uygulanan programın veya teknolojinin arzu edilen, planlanan, amaçlanan biçimde çalışmasını denetler (monitoring). Denetleme sistemli bir veri toplamayı içerir. Neyin ve nasıl izleneceği bellidir. Buna göre, değerlendirme yapılır.

* Süreç değerlendirmesi: Programı veya uygulama sürecini alternatif süreçlerle inceler. Bu planlarda, uygulanacak yönetim ve kullanılacak teknolojiler, yapılacak düzenlemeler alternatif planlarla birlikte sunulur. Alternatiflerin neden kullanılmadığının gerekçeleri verilir ve “kabul edilen” planın neden tercih edildiği açıklanır.

Yöntem 192

Ekleyici değerlendirmeler, biçimlendiriciden farklı olarak, etkiler ve sonuçlar üzerine eğilirler. “Bir projenin, programın veya teknolojinin uygulanmasıyla, kullanılmasıyla ne sonuçlar elde edilir? Teknolojinin ve programın etkisi nedir?” gibi sorular üzerine eğilirler; teknoloji, program veya uygulamanın, genel etkisi ve sonuçlarını saptarlar.

Bu tür değerlendirmeler de bazı çeşitlilikler gösterir: • Sonuç değerlendirmesi: Uygulanan programın veya aracın

belirlenen hedefte etkiler ortaya çıkarıp çıkarmadığı sorgulanır. • Etki değerlendirmesi: Daha kapsamlıdır; amaçlanan veya

amaçlanmayan genel veya net etkileri elde eder. • Maliyet-uygunluğu ve maliyet-fayda analizi: Uygulama ve

sonuçla elde edilenleri para ve elde edilen değer açısından inceler. Amaç, finans kaynaklarının durumuna ve amacına göre, elde edilen değerin harcanan paraya “değmesidir.” Eğer Dünya Bankası’nın veya herhangi bir Amerikan Finans örgütünün uyguladığı bir programda etki değerlendirmesindeki amaç, bu örgütleri tırtıklamaksa, elde edilen sonucun harcanan paradan çok daha fazla olduğu gösterilir ve daha çok tırtıklama yoluna gidilebilir. Fakat eğer bir özel teşebbüsün maliyet-fayda analizi yapılıyorsa, yöneticilerin orada olduğu ve sorun doğrudan onların ceplerini ve örgütün öz faaliyetini etkilediği için, incelemenin sağlam temellere dayanması olasılığı fazladır. Şişirme veya uydurma yapılamaz; yapılırsa, kendini kandırmadır.

• İkincil analiz: Yeni soru veya sorunlara cevap ararken var olan, önceden toplanmış verilere dayanarak yapılan incelemedir.

• Meta-analiz: Belli bir değerlendirme sorusuna genel veya özet bir karara ulaşabilmek için, var olan incelemelerin sonuçlarını ele alarak yapılan değerlendirmedir. İkincil veri analizine benzer, fakat veriler yerine bulgular ele alınır.

Biçimlendirici yaklaşımda kullanılan ana sorular ve yöntemler:

• Sorun ne ve kapsamı ne? Soruya yanıt ararken yöntem belirlenmesi ve süreçlerinde “brainstorming, focus group, delphi technics, brainwriting, stakeholder analysis, synectics, lateral thinking, input-output analysis ve concept mapping gibi yöntemler kullanılır.

Yöntem 193

• Problem nerede ve ne kadar büyük bir problem? Bu tür soruya veri toplama “ihtiyaç değerlendirmesi” yöntemi ile yapılır. Örneğin, eğer bir veri tabanı oluşturulmuş ve veriler toplanmaktaysa, bu veriler incelenir; örneklem surveyi yapılabilir; örneklemsiz olarak bütün yönetici kadrosuyla mülakat yapılabilir; hedefi oluşturan insanlarla kapalı veya açık uçlu sorularla anket uygulanabilir veya temel birkaç soruyla mülakat yapılabilir; uzmanlara başvurulabilir; niteliksel bir araştırma yapılabilir; fokus grup kullanılabilir.

• Sorunu çözmek için program veya teknoloji veya bilgi nasıl sunulmalıdır? Uygulama nasıl yapılmalıdır? Örneğin karar verme yöntemleri; simülasyon tekniği; PERT ve CPM gibi proje planlama ve uygulama yöntemleri ve proje programının kullanılması.

• Program veya teknoloji ne ölçüde iyi sunulmakta veya uygulanmaktadır? Bu soruya cevap niceliksel ve niteliksel denetleme teknikleriyle, yönetim enformasyon sistemlerinin kullanılmasıyla ve uygulama değerlendirmesiyle elde edilir.

Ekleyici değerlendirmede kullanılan ana sorular ve yöntemler:

• Ne tür bir değerlendirme olasılığı vardır? (fizibilite incelemesi). Bu soruya cevap için değerlendirici belirleme ve herhangi bir standart yöntem kullanılabilir.

• Uygulanan programın veya teknolojinin etkenliği neydi (veya ne olmaktadır)? (Sonuç tespiti). Bu amaçla, amaçlanan etkinin olup olmadığını bulmak için çeşitli yöntemler kullanılabilir: Gözlem veya ilişki kurma/arama yöntemlerinden biri kullanılabilir. Eğer etki olduğu saptanırsa, bu etkinin gerçekte uygulamanın mı yoksa ilgisiz bir nedenin mi sonucu olduğu tespit edilmelidir. Bu da “nedensellik ilişkisi” tasarımını gerektirir.

Programın etkisi nedir? (etki incelemesi). Bu soruda amaç programın toplam sistem içindeki etkisinin araştırılmasıdır. Bu da genellikle ekonometri yöntem denen maliyet-etkenliği ve maliyet-fayda analiziyle yapılır. Buna ek olarak niteliksel incelemeyle, amaçlanan ve amaçlanmayan sonuçların değerlendirilmesi yapılır.

Yöntem 194

Gerçek Deneysel Tasarım

Gerçek deneysel tasarımda X (bağımsız değişken) maniple edilerek Y (bağımlı değişken, deney grubu) üzerindeki etki incelenir. Gerçek deneysel tasarımla diğerleri arasında farklar vardır (Şekil 3).

Şekil 3. Gerçek deney tasarımının diğerlerinden farkı

Deneysel tasarım bağımsız bir değişkenin (veya değişkenlerin) uygulanması ve bu uygulama sonucu olan değişikliklerle ilgilidir. Deneysel tasarım çoğunlukla laboratuar koşullarında yapılır. Çoğu kez denekler, doğal koşullar dışında, belli bir bağımsız değişkenin etkisine tabi tutulur ve bunun sonucu araştırılır. Elbette doğal koşullarda da gizli olarak (trenlerde insanlara, orduda askerlere, hapishanelerde hapislere, hastanelerde hastalara) yapılır. Amerikalıların televizyonun etkileriyle ilişkili araştırmalarının bir kısmı ve mesaj etkisi, psikolojik etki, propaganda etkisi gibi araştırmaların çoğu deneysel laboratuar araştırması biçiminde tasarlanmıştır.

Tasarımda, daha önce de belirtildiği gibi, ne tür olduğunu veya olacağını belirlemek için, sorulacak temel soru şudur: Tasarımda gruplara rastlantılı görevlendirme yapılacak mı? Diğer bir deyimle, rastlantılı grup seçimi yapılacak mı? (Dikkat: rastlantılı grup seçimi,

Tasarımda rastlantılı görevlendirme olacak mı?

Evet Hayır

Rastlantılı gerçek deney (true experiment)

Kontrol grup veya tekrarlanan ölçmeler var mı?

Var Yok

Deneyselimsi tasarım (quasi experiment)

Deney olmayan tasarım

Yöntem 195

nüfustan rastlantılı örneklem alma anlamında değildir). Eğer yanıt “evet” ise, buna gerçek deneysel tasarım denir. Eğer rastlantılı görevlendirme kullanılmadıysa, şu soru sorulur: Tasarımda birden fazla grup kullanılacak mı veya çoklu ölçmeler yapılacak mı? Eğer cevap evet ise, bu tasarıma “deneysel-gibi” (quasi-experimental) tasarım denir. Eğer cevap hayır ise, bu tasarıma deneysel olmayan tasarım denir. Eğer nedensellik ilişkisi aranıyorsa, deneysel tasarım en güçlü ve içsel güvenilirlik bakımından en geçerli olandır. Deneysel olmayan tasarım en zayıftır. Fakat örneğin, tanımlayıcı bir survey araştırması, eğer tasarım süreçlerine uyulduysa, güçlü bir tasarımdır. Gerçek deneyim neden sonuç ilişkisini (örneğin, bir programın veya projenin belli deneklere etkisini) saptamada çok daha güçlüdür.

1. Sadece sonrası testi olan tek grup tasarımı

Bu tür tasarımda tek bir grup seçilir ve “öncesi testi” yapmaksızın deney uygulanır. Öncesi testi “maniple yapılmadan (örneğin etkisi araştırılan bir ilaç verilmeden veya bir reklam programı sunulmadan) önce yapılan testtir. Bu kesinlikle ön-test (pilot inceleme) değildir. Sonrası testi ise, maniple sonrası yapılan testtir. Sadece sonrası testi tasarımında, grup seçilir, deney uygulanır ve test ile ölçme yapılır. Buna örnek olarak, okullarda yapılan bütün “sınavlar” verilebilir. İlk kez aritmetik veya istatistik öğrenecek çocuğa, ders verildikten sonra yapılan test bu türdendir. YÖK’ün yaptığı testler böyledir. Reklam ve tv endüstrisinin bir reklamı veya tv programını yayınlamaya karar vermeden önce yaptıkları bazı testler de bu çeşittir.

Aşamaları:

• İnceleme koşulu belirlenir: Nerede ve nasıl yapılacağı saptanır.

• Dış değişkenler, ya değişkenleri değişmez tutan deneysel kontrolle ya da rastlantılaştırmayla kontrol edilir:

• Bir bağımsız değişken uygulanır: En azından bir deney ve/veya kontrol grup tasarımı vardır: Örneğin, salon karartılır, etkisi ölçülmek istenen reklam filmi gösterilir.

Yöntem 196

• Bağımlı değişken ölçülür: Filmden sonra, hazırlanmış sorularla deneklerden veri toplanır.

• Bağımsız ve bağımlı değişkenler arasındaki nedensellik ilişkisi kurulur. Örneğin, filmde gösterilen reklam ile toplanan veriler arasında ilişki test edilir, değerlendirme yapılır ve gerekirse reklamda değişikliklere gidilir.

2. Öncesi-sonrası testi olan tek grup tasarımı

Tek grup ele alınır; “öncesi testi” yapılır; sonra deneysel uygulama başlatılır; ardından “sonrası-testi” uygulanır ve iki test arasındaki fark ölçülerek uygulama değerlendirilir (Şekil 4). Şekilde gözlemler veya ölçüler “Ö” sembolüyle ifade edildi. “Ö” tek bir ölçüyü anlatır (örneğin, gözlenen günde kaç saat deneklerin televizyon seyrettiği). Ö1, Ö2, Ö3 üç ölçmeyi anlatır. X uygulamayı ifade için kullanıldı.

Şekil 4. Tek grup öncesi - sonrası testi tasarımı diyagramı

3. İki grup, sonrası testi, rastlantılı tasarım

En basit deney tasarımı rastlantılı olarak seçilen iki grup kullanan ve sadece sonrası testi yapandır. Deney için seçilen grup rastlantılı olarak ikiye ayrılır. Biri deney biri kontrol grubu olur (Şekil 5).

Şekil 5. İki rastlantılı grup “sonra-test” tasarımı şeması.

R X Ö

R Ö

Deney grubu

Kontrol grubu

Zaman R= Rastlantılı seçilmiş grup

Ö X Ö Deney grubu

Zaman

Yöntem 197

Öncesi ölçmesi yapılmaz, çünkü kuramsal olarak iki grup arasında, rastlantılı görevlendirme yapıldığı için, grupların “olasılıklı olarak eşit” olduklarını bekleriz. Buna “olasılıklı eşitlik” denir. Yanılma payı olarak genellikle 0.05 kabul edilir. Deney gurubuna deney uygulanır. Deney sonrası tespit edilen bir zamanda (bir saat, iki saat, iki gün iki ay gibi) her iki grup da test edilerek veriler toplanır ve karşılaştırma yapılır. Bunu yapmada amaç uygulama sonrasında iki grup arasında bir farkın oluşup oluşmadığını saptamaktır. Tasarım tek bir grup olarak da biçimlendirilebilir. Ama kontrol grubunun olması, bu grubu tek grup tasarımından içsel güvenilirlik bakımından daha güçlü yapar.

Rastlantılı grup tasarımı, nedensellik tasarımları arasında basit ve kolayca uygulanabilir olandır ve pahalı da değildir.

4. İki grup, önce-sonra testi, rastlantılı tasarım

Bu tür tasarımda Rastlantılı olarak görevlendirilen iki grup var: Deney grubu, üzerinde deney yapılacak gruptur. Kontrol grubu, üzerinde deney yapılmayacak, fakat karşılaştırma yapılacak gruptur. “R” grupları ve rastlantılı olarak görevlendirildiklerini anlatır (Şekil 6).

Şekil 6. İki gruplu, önce ve sonra testli deneysel tasarım

Tasarımın uygulanmasının “zaman akışında” yapılan ikinci şey, her iki gruba da “ölçme” yapılmasıdır (Ö1). Üçüncü şey, deney grubuna deneyi uygulamaktır (X). Dikkat edilirse, kontrol grubunda X sembolü yok, çünkü o gruba deney uygulanmadı. Ardından, uygulama sonunda, her iki grupta “sonrası” testi uygulanır (Ö1). Ö1’in iki kez yapılması, “önceki” ve “sonraki” farkı araştırmaktır. Ö2'nin anlamı ne? Sonraki testte önceki testte ölçmediğimiz bir ölçme yapıldığı anlamındadır. Sonraki testte birden fazla ölçmeler yapılabilir.

R Ö1 X Ö1,2 R Ö1 Ö1,2

Zaman akışı

Deney grubu

Kontrol grubu

Yöntem 198

Grup seçimi amaca göre çeşitlenir:

* Deneyin koşullarına her denek rastlantılı olarak görevlendirilir. Böylece, bağımsız olarak atanmış iki grup oluşur.

* Görevlendirme basit rastlantı tasarımıyla yapılabilir. Deneğin hiçbir özelliğine göre bir ayırım yapılmadan örneklem alınır.

* Görevlendirme, basit rastlantı yerine, belli özelliklere göre eşleştirilerek rastlantılı görevlendirme biçiminde yapılabilir: Bağımlı değişkene göre deneğin özellikleri belirlenir; ardından dereceli sıralandırmayla eşleştirilir. Her eşin üyeleri rastlantılı olarak, örneğin, kontrol grubuna veya deney grubuna seçilir).

* Rastlantılı olarak seçilen bir grup içinde rastlantılı atamalar yapmak yerine, gruplar rastlantılı olarak baştan seçilebilir.

* Eğer aynı rastlantılı gruptaki değişkenler arasında karşılaştırma yapılırsa, buna “bağımlı grup” tasarımı denir.

* Faktör tasarımı: Bu tür tasarımda, uygulamadaki çeşitlenmeler üzerinde durulur.

Deneysel incelemenin aşamaları

• Genel sorunun belirlenmesi • İlgili incelemelerin gözden geçirilmesi • Sorunun tanımlanması; hipotezin formüle edilmesi • Kuramsal ve işlevsel tanımlamaların yapılması • Deney planının çizilmesi: • Deneyi bozabilecek deneysel-olmayan değişkenlerin

belirlenmesi ve nasıl kontrol edileceğinin saptanması • Laboratuar veya klinik koşullarının ayarlanması • Deney tasarımları arasından uygun olanın seçilmesi • Deneyle ilgili nüfustan örnek deneklerin seçilmesi • Bu örneklem seçilen deneklerin deney ve kontrol grupları

içine rastlantılı olarak görevlendirilmesi • Uygun ölçme yönteminin seçilmesi • Veri toplama süreçlerinin adım adım açıklanması • Deneyin uygulanması • Veri kodlama ve uygun istatistik testle hipotezin test

edilmesi • Bulguların değerlendirilmesi

Yöntem 199

VERİLERİN NEREDEN TOPLANACAĞI: KAYNAKLAR

Araştırma tasarımında cevap verilmesi gereken önemli sorulardan biri de verilerin toplanacağı doğru kaynağın belirlenmesidir.

Bilimsel araştırmalarda bilgi toplamak için başvurulan kaynaklar sayısız çeşitlilik gösterir: İnsanın kendisi; diğer insanlar; bir grup, doğa; kültürel objeler; yazılı, görüntülü, şifreli kaydedilmiş mesajlar; kitaplar, dergiler, gazeteler; filmler; turizm firmaları, oteller, turistler, üniversitelerin ve kurumların yayınladığı yıllıklar ve referans kitapları, kuruluşların belgeleri ve dokümanları, milli kütüphaneler ve arşivler, üniversitelerin kütüphane ve arşivleri, özel kişilerin kütüphaneleri; düşünceler, tutumlar, davranışlar; teknolojik araçlar; toplum yapısının yasal verileri; günlük pratikler; yaşam biçimi; iş görme, dinlenme eğlenme tarzları; örgütler ve örgütlü iş yapmalar; atılan atık olabilir.

Araştırmada kaynağın ne olduğu araştırma sorusu ve hipotezden çıkartılır. Örneğin, “Fransızların Amerikan parfümleri hakkındaki düşüncelerini” araştıran bir araştırmanın veri kaynağı parfüm kullanan Fransızlardır, parfüm satan satıcılar değil. Otellerde çalışanların müşteriyle ilişkilerinin doğasını ele alan bir tasarımda, veri kaynağı otelde çalışanlardır. Veriler gözlemle toplanacaksa, gözlem yapılır. Veriler anketle toplanacaksa ve amaç müşteri memnuniyetiyse, veriler müşterilerden toplanır. Tv izleyicilerinin program tercihlerini araştıran bir tasarımın veri toplama kaynağı izleyicilerdir. Bir günlük gazetenin ön sayfasında yer verilen konuların neler olduğunu bulmak için gazete okuyucusuna gidilmez; günlük gazetenin ön sayfasındaki içeriğe bakılır. Televizyonda şiddet olduğunun kanıtı, insanların televizyon programlarında şiddet olup olmadığı hakkındaki düşüncesi olamaz; programların içeriğinin doğasının incelenmesi gerekir.

Dolayısıyla, tasarımda doğru kaynak veya kaynakların belirlenmesi gerekir. Bu belirleme araştırmanın odaklandığı soruna veya hipoteze bakılarak yapılır. Yanlış kaynak belirlenirse, araştırma tasarımı, bulguları ve sonuçları geçersiz olur; tasarım o safhada çöker.

Yöntem 200

Verilerin nereden toplanacağına karar verirken sadece doğru kaynağı belirlemek yetmez, aynı zamanda kaynağın erişilebilir olması gerekir. Kaynak, bilmek isteyenin fiziksel ve zamansal bakımdan erişebileceği bir yerde olabileceği gibi, erişemeyeceği bir konumda da olabilir. Napolyon’un neden “para para para” dediğinin, asıl kaynağı Napolyon’dur. Napolyon aramızda olmadığı için, geri kalan tek bilgi kaynağı tarihin arşivleridir. Arşivlerin doğruluğunu belirlemek araştırmacıya düşer. Erişilemeyen kaynaktan veri toplanamaz, dolayısıyla tasarım uygulanamaz.

Kaynağa zaman ve yer bağlamında erişilebilir bir konumda olabilir, ama kaynaktan veri toplanamayabilir veya toplanan veriler geçerli veya güvenilir olmayabilir. Dolayısıyla, kaynağın bilgiyi esirgemeden ve doğru olarak verip vermeyeceği üzerinde düşünmek gerekir. Her durumda kaynağın sunduğu bilginin nesnelliği ve doğruluğu gözden geçirilerek, veri toplama yönteminin geçerliliğine karar verilmelidir.

Deneysel tasarımda veriler deney ve kontrol gruplarından toplanır. Deneysel olmayanda ise, seçilen deneklerden veya insan olmayan kaynaklardan toplanır.

Araştırma tasarımında sorulan sorular veya hipotezlerle ilgili olarak veri toplanması gerekir. Bu amaçla uygun kaynak seçilir. Bu kaynaktan doğrudan toplanan verilere birincil veriler denir. Örneğin veri kaynağımız bir okulun öğrencileriyse ve bu veriler öğrencilerden toplamışsa, bu birincil veri olur. Birincil kaynaklar bir şirketin müşterileri olabilir; bir otelde kalanlar olabilir; bir bölgeye gelen turistler olabilir; reklam şirketleri olabilir; yerel basın olabilir.

Kaynak belirlendikten sonra, veriyi bu kaynaktan doğrudan toplama yerine, daha önce toplanmış verilere başvurulabilir. Bu verilere ikincil veriler denir. Bu veriler bir veri bankasında olabileceği gibi, herhangi bir kurum veya araştırma şirketinin topladığı veri olabilir; Devlet İstatistik Enstitüsünün topladığı veri olabilir; nüfus sayımı, cinayet veya kaza kayıtları olabilir; ekonomik veriler olabilir.

Yöntem 201

VERİLERİN NEREDEN TOPLANACAĞI: NÜFUS VE ÖRNEKLEM

Araştırma tasarımının en önemli aşamalarından biri, incelenen konuya uygun olan veri toplama kaynağının belirlenmesidir. Ampirik tasarımda belirlenen bu kaynağa nüfus denir. Nüfus kuramsal olarak tanımlanan araştırma birimlerinin toplamıdır. Nüfus kuramsal ve varsayımsal olarak “evren” kavramına bağlanır. Evren incelemede sorunun çıkıp geldiği veya sorunun bulunduğu, bu sorunun herhangi bir nedenle parçası olan insanlar, olgular, fenomenler veya temalar bütünüdür. Evren, zaman ve yer ölçülerine göre belirlenmemiştir ve faydasız bir kavramdır. Evren, nüfus, örneklem çerçevesi ve örneklem arasındaki bağ Şekil 7’de özetlendi.

Şekil 7. Örneklem belirleme sürecindeki ilişkiler

Nüfusu, araştırmanın özelliği belirler: Örneğin, “Arap” kavramı, kimliğiyle, yeriyle ve/veya zaman ölçüsüyle tanımlanınca, karşımıza “nüfus” çıkar. Örneğin araştırma Ankara’daki ortaöğretim öğrencileriyle ilgiliyse, nüfus Ankara’daki ortaöğretimdeki çocuklardır. Gazeteler ile ilgiliyse, hangi gazeteler olduğu nüfustur. Kıyı bölgelerindeki oteller ise, kıyı bölgesi tanımlanmalıdır; nüfus bu tanımlanan coğrafyadaki otellerin hepsidir. Bir milli parktaki doğal kaynaklar ile ilgiliyse, nüfus oradaki doğal kaynakların hepsidir.

Nüfusa nasıl erişilebilir?

Bütün eleman ve birimlerin varsayımsal toplamı ne?

Neye\kime genelleştirilecek?

Hangi nüfusa erişilebilir?

İncelemede kimler var?

Evren

Kuramsal nüfus

Araştırma nüfusu

Örneklem çerçevesi

Örneklem

Yöntem 210

2. Amaçlı örneklem

Amaçlı örneklem kullanılan tekniğe ve süreçlere göre, örneğin, orta nokta durumu örneklemi, uzman örneklem, kota örneklem, heterojenlik örneklemi ve kartopu örneklemi gibi önde gelen çeşitlilikler gösterir. Bunların yanında, niteliksel incelemelerin de kullandığı, şu türler de vardır Patton (1990, pp. 182-183):

• Uçta olan veya normalin dışında örnek örneklem • Yoğunluk örneklemi • Maksimum değişkenlikler örneklemi • Homojenlik örneklemi • Tipik olay örneklemi • Katmanlı amaçlı örneklem • Kritik olay örneklemi • Kartopu veya zincir örneklemi • Kıstas örneklemi • Kuram temelli veya işlevsel inşa örneklemi • Onaylayan ve onaylamayan olaylar örneklemi • Fırsatçı/opportunistic örneklem • Tesadüfi amaçlı örneklem (örneklem sayısı hala küçük) • Siyasalca önemli olaylar örneklemi • Uygun gelen örneklem • Kombinasyon veya karma amaçlı örneklem

Amaçlı örneklemde önceden tanımlanarak belirlenmiş amaca uygun birimler inceleme için seçilir. Yolda ellerinde kağıt kalemle insanları durduran ve araştırma yaptıklarını söyleyen gençler aslında “amaçlı örneklem” yapmaktadırlar. Bu gençler yolda herkesi durdurmazlar; sadece “müşteri olabilecek kılıktaki veya yaştaki kişileri” çevirirler. Bir yankesici veya birini soymak isteyen genç “amacına uygun gözüne kestirdiği birini” seçer. Benzer şekilde, Araştırma yaparken, anketöre, “iyi giyimli 30 ile 50 yaşlarındaki kadınları durdurması ve sorması” söylenir. O da sokakta bu tipe benzer kimselerin önünü keser ve araştırmayı uygular.

Yöntem 211

a. Orta nokta durumu örneklemi

İstatistikte merkezi yönelim analizinde, gerektiğinde “orta nokta” kullanılır. Orta nokta, değerler dağılımı sıralamasında ortada olan değerdir. Örneğin, 1, 2, 4, 5, 13, 20, 20, 20, 30, 50, 55, 100, 200 rakamlarının dağılımında orta nokta 13 tane değerden ortadaki değer (7’inci değer) olan 20’dir. En sık tekrarlanan olay veya en tipik olan olay incelenmek istendiğinde orta nokta durumu örneklemi (modal Instance sampling) alınır. Çoğunlukla sahtekarlığın dürüstlük ve yanlışın doğru olarak pazarlandığı, siyasal tercihlerle ilgili kamuoyu yoklamalarda, “tipik oy verenin” fikri alındığı söylenir. Hatta gazete ve televizyonlarda “tipik oy verenin” düşüncelerinin ne olduğu “tipik oy verenle” yapılan mülakatla veya “tipik oy vereni” kullanan kamuoyu araştırması sonuçlarıyla “haber zenginleştirilir.” Böyle bir iddianın geçerli olması için, önce neyin tipik olduğunu saptamak gerekir. Tipik oy veren kimdir? Tipik alıcı kimdir? Tipik pembe dizi seyircisi kimdir? Bunların araştırmalarla belirlenmesi gerekir. Bu belirleme ancak tipik olanın özelliklerinin saptanması ve bu tipik olanı ölçmeye katmayla olabilir. Bu da her zaman mümkün değildir. Ayrıca, tipik olmayı etkileyen faktörler değişebilir. Dolayısıyla, “tipik” kavramıyla hareket eden orta nokta örneklem yöntemi sadece resmi olmayan örneklem biçimi olarak, belli amaçlara hizmet için kullanılabilir. Bilim ise bu amaçlar dışında kalır.

b. Uzman örneklem

Uzman örneklem amaçlı örneklem alma yollarından biridir. Bu örneklem almada, amaca uygun olan uzmanlar belirlenir ve araştırma için seçilir. Uzman örneklemde, uzmana gitmenin önde gelen iki nedeni vardır: Birincisinde, araştırma tasarımı gerektirdiği için, uzman olmayanları örneklem dışı bırakılır. Bu örneklemde uzmanlık kriteri belirlenir ve kriteri karşılayanlar saptanır. Kritere uyanlar çok fazlaysa, bunlar arasından örneklem çıkartılır. İkincisinde, niceliksel ölçek veya niteliksel bir tanımlamanın güvenilirliğini belirlemek için uzmanların değerlendirmesi istenebilir. Bunun için bir uzman paneli seçilir; bu panel kullanılacak ölçeği veya tanımlamayı değerlendirir. Böylece,

Yöntem 212

uzmanlardan hareket ederek ölçeğe veya niteliksel tanımlamaya güvenilirlik kazandırılır. Ebette, burada soru şu: Güvenirliliği belirleyen çoğunluğun veya herkesin aynı görüşte olması mı? Herkesin “dünya dikdörtgendir” demesi, ne dünyayı dikdörtgen yapar ne de bu gerçeğin nesnel bir ifadesi olur. Ayrıca, uzmanların doğru olduğunu kim garanti edebilir? Araştırma tasarımı ve istatistik hakkında yanlış bilgilere sahip olanların “uzmanım” diye kurumlar için araştırma yaparak sahte imajlarla güven kazandığı bir ortamda “uzman görüşünün” geçerliliği ne kadar olabilir ki?

c. Kota örneklemi

Kota örnekleminde, belli kota veya kotalar belirlenir ve bu kotalara rastlantılı olmayan örnekler seçilir. Orantılı ve orantısız olmak üzere iki tür kota örneklemi vardır.

Orantılı kota örnekleminde, her kotadaki nüfustan orantılı olarak örneklem alınır. Eğer incelenecek nüfusun % 40’ı ilkokul ve % 30’u ortaokul, % 20’si lise ve geri kalanı üniversite mezunuysa, örneklem almaya, bu yüzdeleri elde edinceye kadar devam edilir. Diyelim ki lise için % 20 elde edildi, fakat ilkokul için %40’a ulaşılmadı. Bu durumda, örneklem almaya devam edilir; eğer bu sırada liseli biri çıkarsa, kullanılmaz, çünkü kota dolduktan sonra o kotaya kimse eklenmez. Kota örnekleminde kotanın tanımını çok iyi yapmak gerekir. Örneklem alma sırasında deneğin hangi kotaya konacağı hakkında hiçbir tereddüt olmaması gerekir.

Orantılı olmayan kota örnekleminde orantı kaygısı yoktur. Arzu edilen sayıda kota belirlenir ve örnekler alınır. Bu yöntem kademeli rastlantılı örnekleme benzer; fark sadece “olasılık” koşulundadır.

d. Heterojenlik örneklemi

Homojen kavramı “aynı, benzer veya yakın karaktere sahiplik” anlamına gelir. Heterojenlik benzer olamayan karakterler çokluğudur. Bir araştırma tasarımında, nüfusun heterojen karakteri önemliyse, o zaman alınan örneklemde, bu heterojenlik görülmek istenir. Örneğin, farklı din, dil, ırk, yaş, boy, renk, biçim, inanç, fikir, ideoloji, kültür,

Yöntem 213

müzik, film, program vb. araştırmada önemli olabilir. Araştırmada orta noktadan ayrılanlar (marjinal gruplar veya görüşler) örnekleme dahil edilmek istenirse, o zaman örneklem almanın ona göre yapılması gerekir. Bu durumda, orta yönelimden ayrılan her özelliği örnekleme katacak yöntem seçilir. Böylece seçilen örnekte heterojen yapı yansıtılarak araştırmada amaçlanan örneklem alınmış olur.

e. Kartopu örneklemi

Kartopu örneklemi, inceleme kriterine uygun bir deneğin (inceleme biriminden bir tanesinin; örneğin bir kişinin, reklamın, gazetenin veya filmin) seçilmesiyle başlar. Bu seçilen denekten elde edilen bilgilerle diğer denekler seçilir. Bu örnekleme tavsiye zinciri örneklemi veya şebeke/network örneklemi de denir. Örneğin, deneğe, araştırmanın kriterine uygun birini veya birilerini tavsiye etmesi istenir. Böylece, ikinci ve sonraki denekleri ekleyerek yuvarlanarak büyüyen kartopu gibi örneklem inşa edilir. Bu yolla elbette temsili örneklem elde etmek beklenemez. Fakat araştırmada bu tür yöntemi gerektiren koşullar olabilir. Kurtuluş Savaşına katılanlar arasında bir araştırma yapmak istenirse, tutulacak yollardan biri de budur, çünkü insanların çoğu hayatta değildir ve kalanlar çok azdır ve bulmak da zordur. Türkiye gibi bir ülkede lezbiyenler arasında bir araştırma örneklem sorunuyla karşılaşır, çünkü lezbiyenlik aleni değildir. O zaman “birinden” başlayarak, gizlice “sora sora” örneklem alınır. Kartopu örneklemde ne kadar denekle görüşüleceği ya süreç içinde kendiliğinden belli olur ya da araştırmacı yeterli bir sayıya ulaştığında durmaya kendi karar verir.

f. Gönüllü katılım örneklemi

Bu tür örneklemde, insanlardan bir konuda “evet veya hayır” “katılıyorum veya katılmıyorum” yanıtlarını cep-telefonuyla bildirmeleri istenir. Son zamanlarda sürekli olarak televizyon programlarında ve internette yapılan bu örneklemle elde edilen veriler temsil karakterine sahip değildir. Sadece yanıt verenlerin görüş ve tercihlerini yansıtır.

Yöntem 214

VERİLERİN NASIL TOPLANACAĞI: TEKNİKLER

Araştırma tasarımının bu safhasında “araştırma sorusuyla veya hipotezle ilgili gerekli bilgi/enformasyon kaynaktan nasıl toplanacak?” sorusuna yanıt aranır. Bu yanıtın doğru olması gerekir; çünkü veri toplamada, veriler toplandıktan sonra düzeltme, ekleme, çıkarma veya revizyon yapma olasılıkları çok azdır, zaman ister, verileri tekrar toplama gerektirir.

Niteliksel tasarımlarda verilerin toplanma biçimleri, kaynağın karakterine ve araştırmanın doğasına göre değişir:

Eğer kaynak insan ise, insandan temel olarak iki biçimde veri toplanır: Birincide, ona sorarak (söyleşiyle, grup konuşmasıyla /tartışmasıyla, ses ve/veya görüntü kaydıyla) toplanır. İkincide, ya o farkında olmadan gözlemlenerek yapılır ya da ona bildirilerek gözlem yapılır. Ona bildirmeden yapılan gözlemle veri toplama, telefonlarını dinleyerek, mektuplarını okuyarak, ceplerini veya çöp kutusunu karıştırarak, veya gizlice onu takip ederek yapılır. Ona bildirerek gözlemde, ondan doğrudan veya dolaylı katılımcı gözlemle veriler toplanır.

Eğer kaynak insan değilse, örneğin internet, bir televizyon dizisi, gazete haberi, bir makale, bir fotoğraf ise, hangi isimle gelirse gelsin toplama biçimlerinin hepsi de, gerekiyorsa materyali kaydederek ve ardından “içeriğe bakarak” yapılan veri toplamadır.

Pozitivist-ampirik araştırma tasarımında da, verilerin nasıl toplanacağı tasarımın karakterine göre biçimlenir. Eğer veri insanlardan toplanacaksa, temel olarak dört yol izlenir: Görüşme (mülakat), anketle soru sorma, (bazen) gözlem ve gerçek-deneysel araştırmalarda bir bağımsız değişkenin uygulamasından sonraki değişimi saptamak için çoğu kez teknolojiyle aracılanmış yollarla (kan veya idrar örneği alarak, xray, ultrasound veya MR kullanarak) veriler toplanır. Eğer veri insanlardan toplanmayacaksa, toplama işi, ya (a) veri toplanacak kaynağın (örneğin gazetenin, haberin, web sayfasının) “içeriğine bakarak” ve “bu bakmayı” nicel olarak ölçerek veya nicel

Yöntem 215

olarak kodlayarak yapılır; ya da veri toplanacak kaynaktan teknolojiyle aracılanmış araçlarla (örneğin cetvelle, saatle) nicel ölçme alınır.

Araştırma tasarımında belirlenen araştırma sorusu veya hipotezler verilerin toplanmasında kullanılacak tekniği bazen kesinlikle bazen çoğunlukla belirler, çünkü soru veya hipotezin karakteri araştırmacıya sadece bir veya birkaç uygun teknik sunar.

Veri toplamada bazen birden fazla olasılık vardır. Bu durumda, “en geçerli ve güvenilir veriyi sağlayacak yolla toplama yapılır: Örneğin, kaynağa ulaşma veya doğru bilgiyi kaynaktan elde edememe gibi sorunlar varsa, o zaman veriler dolaylı olarak toplanır. Eğer kaynağa sorulduğunda yalan söyleme veya bilgi saklama olasılığı yüksekse, o zaman veriler onlara sormadan yapılan dolaylı gözlemle veya gizli/görünmeden/girmeden (unobtrusive measures) toplanır.

Kaynaktan veri toplama yolları oldukça fazladır. Önemli olan tasarıma en uygun veri toplama yönteminin seçilmesidir. Aşağıda, önce, kaynağın ver toplandığından haberdar olduğu önde gelen veri toplama yöntemleri sunuldu. Ardından, kaynağın farkında olmadığı, gizli, görünmeden yapılan veri toplama yolları açıklandı.

Standart Testler ve Ölçeklerle Veri Toplama

Standart testler ve ölçekler daha önce geliştirilmiş, geçerliliği ve güvenirliği belirlenmiş ölçme aygıtlarıdır. Örneğin, uzunluk, ağırlık ve hacim ölçmeleri için kullanılan ölçekler böyledir. Zeka testleri, Üniversiteye giriş testleri, TOEFL, KPDS (aslında bunların ne denli standart olduğu, yansızlığı ve tarafsızlığı şüphelidir). Dolayısıyla, veri toplamaya karar verirken, uygunsa standart veya standartlaştırılmış testler kullanır. Standart test yoksa veya kullanmak istemiyorsa, araştırma tasarımına uygun bir ölçme aygıtı geliştirilir. Standart olmayan test ( anket, ölçme) geliştirme, gelişi güzel, birkaç soruyu hazırlamayla oluşturulmaz. Ölçek geliştirme ve anket kurma titizlikle yapılması gereken bir iştir.

Yöntem 216

Anket Sorularıyla Veri Toplama

Sosyal bilimlerde, nicel tasarımların çoğunun veri toplama yöntemi anket uygulamasıdır. Anketler yüz yüze iletişimle, eposta ile, telefon görüşmesiyle veya bilgisayarla aracılanmış bir yolla doldurulabilir:

• Anketör kullanarak doğrudan soruları sorup verileri toplama. • Anketör kullanarak soruları deneklerin kendilerine doldurtma. • Mektupla toplama: Bu yöntem hayal kırıklığı getirebilir; çünkü

Türkiye gibi ülkelerde mektupla gönderilen soru kağıtlarının geriye gönderilme olasılığı çok azdır. Yanıt alma olasılığı araştırmayla veya araştırmanın sonucuyla deneklerin doğrudan bağı olduğunda artar.

• Faksla toplama: Bunun için insanların faksları olması gerekir. • E-postayla toplama: Bu tür veri toplama internet yaygınlaştıkça

daha da artacaktır. Burada da yanıt almama olasılığı fazladır. Yerel gazetelerin yöneticilerine e-mail ile gönderilen 600 üzerindeki e-postaya sadece 20 yanıt alındı. İkinci denemede 3 kişi yanıt verdi ve sonraki denemelerde hiçbir yanıt gelmedi.

• Telefon konuşmasıyla toplama: Bu yöntem de gerekli yanıt koşulları sağlanırsa kullanılabilir.

• Telefonda tuşlara basarak toplama: Bu tür veri toplama da özel durumlarda oldukça verimli bir yoldur.

• Bilgisayara konuşarak toplama: Bu yöntemin de gelişmesi bilgisayarlarda sesle kayıt alışkanlığı arttıkça gelişecektir.

• Bilgisayar yardımıyla telefon görüşmesiyle (Computer-Assisted Telephone Interviews): Bilgisayarda önceden belirlenmiş soruları telefonla sorar; verilen cevapları bilgisayara girer.

• Dizüstü bilgisayar kullanımıyla toplama: Görüşmeci soruları okumada ve verilen cevapları kayıtta diz üstü bilgisayarı kullanır.

Günümüzde veri toplama yöntemleri arasında, internetle veri toplama yöntemi giderek yayılmaktadır. Cep telefonu, bilgisayar ve telefon hatların yaygınlaşmasıyla, anketçinin deneğe telefon etmesi yerine, deneğin anketçiye telefon etmesi teşvik edilmektedir. “İnteractive” sözlü sistemde, denek telefonda kaydedilmiş sözlü sorulara sözlü olarak veya telefondaki tuşlara basarak cevap verir.

Yöntem 231

NEYİN ÖLÇÜLECEĞİ: DEĞİŞKENLER

Tasarımda neyin ölçüleceğinin belirlenmesi gerekir. Bu belirleme araştırma sorularındaki veya hipotezlerdeki değişkenlere göre yapılır. Dolayısıyla, neyin ölçüleceğini bilmek için önce araştırma sorusuna veya hipoteze bakmak gerekir, çünkü değişkenler oradadır. Neyin ölçüleceğini bilmek için değişkenlerin doğasının da bilinmesi gerekir.

Araştırmacı birbiriyle ilişkili ve birbirini tamamlayan iki seviyede iş görür: “kuramsal varsayım inşası” seviyesi ve gözlem seviyesi. Araştırmacı girişte yaptığı sunumlar ve ürettiği gerekçeler sonunda “fazla televizyon seyretmek sosyal izolasyon yaratır” dediğinde, kuramsal bir varsayım ortaya atmış olur. Varsayım “fazla televizyon seyretme” ve “sosyal izolasyon” olmak üzere iki kavramdan (birimden) oluşmaktadır; “yaratır” ise, bu iki kavram arasındaki ilişkiyi belirleyen bağ kelimedir. Bu tür sunum kuramsal varsayım seviyesinde çalışıyor demektir. Bu bağlamda araştırmacı ya niteliksel ya da niceliksel tasarımdan birine yönelir. Niteliksel tasarımda televizyon seyretmek ve sosyal izolasyonu tanımlar, aralarında olabilecek bağlar üzerinde durur ve izolasyon yarattığı konusunda var olan bilgi birikiminden ve gözlemlerden yararlanarak ikna edici tartışmalar sunar ve sonuçlar çıkartır. Niceliksel tasarımda ayrı bir yol tutulur: Kuramsal seviyeden, ölçme seviyesine doğru hareket edilir. Araştırmacı “gözlem/ölçme seviyesine” indiğinde, varsayımını sınamak (test etmek) için veri toplama olanağını sağlayan bir süreci tamamlama işine girer: “Fazla seyretmek” ne demek? “Sosyal izolasyon” ne demek? Bu kavramların gözlemlenebilecek (ölçülebilecek) tanımlamasını yapmak zorundadır. Örneğin, televizyon seyretmeyi tipik bir günde televizyon önünde geçirilen zaman olarak tanımlar. Sosyal izolasyonu da tipik bir günde iş dışında diğer insanlarla geçirilen zaman olarak belirler. Böylece, birimler gözlemlenebilir (ölçülebilir) değişkene dönüştürülür. Sorun bir hipotezle somut bir şekilde ortaya konur: Televizyon izleme artıkça, sosyal izolasyon da artar. İzleme zamanı günde saat olarak tv önünde geçirilen vakit ve izolasyon da günde diğer insanlarla günde kaç sat geçirildiği olarak tanımlanır. Böylece, hipotez test edilmeye hazır olur.

Yöntem 232

Araştırmada kavram/birim (örneğin, televizyon), özelden gelerek yapılan genellemeyle biçimlendirilen bir soyutlamayı anlatır. Tercih, gazete ve televizyon kavramlar gözlemlenebilir özelliklerin toplamıyla oluşur. Bunların değişken olarak ele alınabilmesi için, gözlemlenebilir özelliklerine göre tanımlanması gerekir. Birçok şeyi ifade eden “televizyon” kavramının değişken olarak kullanılabilmesi için, tasarımın bağlamı içinde bu kavramın tanımlanması ve özelliklerinin belirlenmesi gerekir; çünkü kavramlar/birimler ancak tanımlandıkları özelliklere göre incelenebilir. Örneğin televizyon bir teknolojik araç olarak ele alındıysa, diğer medyadan en ayırt edici özelliği hareketli görüntü ve sesin alındığı bir araçtır. Bu bağlamda televizyon görüntü ve sesi veren bir teknolojik birim olur. Bu birimin değişken olması için, örneğin, bir bölgede toplam hanelerdeki sayısı olarak tanımlanması gerekir.

Televizyon kavramıyla/birimiyle ilgili bir örnek: Tasarımda ele alınışı: Türkiye’deki ulusal tv kanallar, kanal tercihi

ve televizyon izleme. İncelenen özelliği: Kanal ismi, kanal tercihi ve izlenme Ele alınışına ve belirlenen özelliğine göre tanımı: Ulusal

kanallar, izleyici kanal tercihleri ve izleme yoğunluğu İşlevsel tanımlar:

Ulusal kanallar: Türkiye’de yayın yapan ve potansiyel olarak her yerde izlenebilen kanallar. Kanal isimleri.

İzleyici kanal tercihi: İzleyicilerin, örneğin, haber için tercih ettikleri kanal.

İzlenme yoğunluğu: Saat olarak günde seyretme sıklığı.

Her kavram (birim) dört özelliğine göre incelenebilir: analiz seviyesi, ölçme seviyesi, soyutlama seviyesi ve kuramsal rolü.

Analiz seviyesi kavramın tanımladığı özelliklere göre şekillenir. Seviye, analiz birimiyle ilgilidir. Örneğin öğrenci kavramı (birimi) analiz seviyesine göre birey olarak öğrenci, bir sınıftaki öğrenci, bir okuldaki öğrenci, bir bölgedeki öğrenci olabilir. Örneğin iki okul başarı bazında karşılaştırılacaksa, analiz birimi her okulun öğrencilerinin notlarının toplamının ortalaması olacaktır. Karşılaştırma okulun öğrencilerinin aldıkları notların ortalamasına göre yapılacaktır.

Yöntem 233

Ölçme seviyesi kavramın özelliklerine göre değişir. Kavramın özellikleri (a) sınıflandırmaya, (b) karşılaştırmaya veya (c) niceliksel sayım yapmaya izin verebilir. Sadece sınıflandırmaya izin veren kavramlar tanımladıkları sınıflara, kategorilere veya tiplere göre isimlendirilirler. Örneğin “cinsiyet” sadece sınıflandırıcı bir kavramdır: Fizyolojik özelliklerine göre insanlar erkek veya kadın olarak gruplandırılır. Siyasal parti tercihi de insanları parti isimlerine göre gruplandırır. Medya kitle iletişim araçlarının tümüne verilen isimdir. “Medya tercihi” denildiğinde, medya tercihle ilgili özelliklere göre gruplandırılır. Cinsiyet, siyasal parti tercihi ve medya tercihi kademeli sıralamaya, derecelendirmeye veya sayısallığa dayanan karşılaştırma özelliklerine sahip değildir.

Karşılaştırmalı kavramlar bir nesneye atfedilen kademeli sıralama özelliklerini isimlendirirler: Sınıf, rütbe, derece gibi kavramlar böyledir. Nitelikle ilgili kavramlar niteleme sıfatları da kullanılarak karşılaştırma yapmaya izin verir.

Niceliksel kavramlar bir nesnede var olan özelliklerin derecesini isimlendirir. Örneğin gelir, boy, ağırlık, uzunluk, yükseklik, hacim gibi.

Soyutlama seviyesi: Bilimsel kavramlar soyutlama seviyesine, yani gözlemlenebilir veri veya duyu tecrübesine yakınlığına göre değişirler. Duyu tecrübesine yakın olan terimler aşağı seviyede soyutlamaya sahiptir. En yüksek seviyede soyutlamaya sahip olan terimlere,”inşa” denir; ara seviyede soyutlamalı terimlere “değişken” ve aşağı seviyede soyutlamaya sahip olan terimlere göstergeler denir. İnşa dolaylı şekilde gözlemlenebilen özelliklerdir. Değişken, az çok doğrudan ölçülebilen ve farklı değerler alan özelliklerin etiketidir. Gösterge, doğrudan ölçülebilen ve farklı değerler alan özelliklerin etiketidir. Hipotez oluşturma yüksek seviyede soyutlama ve kavram tanımlamasıyla (inşalarla) başlar; hipotez ifadesiyle kurulan inşa aralarında bağ kurulan değişkenlerden oluşur. Değişkenlerin işlevsel tanımlamalarıyla göstergeler sunulur. Kısaca, kuramsal inşalarla hipotezler oluşturulur; hipotezlerle değişkenler arası ilişki ve onu takiben değişkenleri ölçme belirlenir. Bu bağı Şekil 8 özetlemektedir.

Yöntem 234

Şekil 8. Kuramsal inşa, değişken ve gösterge/ölçek ilişkisi

Örneğin kuramsal yapı/inşa olarak kapitalist demokrasiyi ele alalım. Demokrasi kavramını belirleyen özellikler (değişkenler) seçme ve seçilme haklarında eşitlik, siyasal partiyle rekabet ve azınlık hakları olabilir. Seçme hakkı değişkeninin göstergeleri olarak yasal hak olup olmaması, seçime katılma hakları olan yetişkin nüfusun yüzdesi ve seçime katılma oranı alınabilir. Seçilme hakkı göstergeleri olarak yasal hak ve seçilenler arasında çalışan sınıftan gelenlerin oranı seçilebilir. Siyasal rekabet değişkeninin göstergeleri olarak seçime katılan parti sayısı, güçlü olan partinin seçilmediği yılların yüzdesi ele alınabilir. Azınlık hakları değişkeninin göstergesi/ ölçüsü olarak da azınlık haklarının yasalardaki niteliksel ve niceliksel varlığı; azınlık haklarının kullanılma oranı; azınlık haklarıyla ilgili davalarda davayı kazanma oranı gibi faktörler kullanılabilir.

Yukarıdaki açıklamalarda açıkça görüleceği gibi değişken “değişen şey” değildir. Değişen, o fenomenin özelliğidir. Yani, bir şeye değiştiği için değişken denmez. Cinsiyet değişkeni değiştiği için değişken değildir. Cinsiyet değişkeni değişmez; onu oluşturan özellikler vardır ve bu özelliklerin (kadın ve erkeğin) belli yer ve zamandaki dağılımı vardır. Bu dağılım zaman içinde nicel farklılıklar gösterebilir veya göstermeyebilir. Örneğin kadını değişken olarak ele aldığımızda, kadını değiştiği için almıyoruz; bir özelliğini ölçmek için ele alıyoruz; ölçtüğümüz özelliğiyle kadın değişken oluyor, değiştiği için değil.

Kuramsal inşa

Değişken (tanımlama)

Gösterge (ölçü)

Kapitalist demokrasi

Seçim haklarında eşitlik Siyasal parti rekabeti; Azınlık hakları

Seçime katılma yüzdesi Seçimde partilerin kazanma yüzdeleri Azınlıkları koruyan yasaların varlığı Azınlık davalarının sonuçları Azınlıkların hakları kullanma oranı

Yöntem 235

Cinsiyet değişkeni değiştiği için değil, örneğin fizyolojik tanımına göre iki özelliğe (veya göstergeye) sahip olduğu için değişkendir. Bu bağlamda kadın, cinsiyet değişkeninin ölçülebilir bir özelliğidir.

Yani, değişkeni anlamlandıran değişkenin özelliğidir. İncelenecek kavrama veya özelliğe “değişken” denir.

Değişken kendisi doğal olarak farklı değer alan (farklı nicel göstergesi olan) veya araştırmacı tarafından farklı numaraların atandığı belli özellikler taşıyan bir semboldür.

Bir değişken iki veya ikiden fazla özelliğe sahip olabilir. Diğer bir deyimle, bir değişkeni oluşturan göstergeler birden fazla olabilir. Örneğin, cinsiyet, eğitim seviyesi, sosyal sınıf, meslek, televizyon program tercihi ve siyasal parti tercihi bu tür değişkenlerdir.

Sayısal oldukları için bazı değişkenlerin göstergeleri (yaş, ağırlık, boy, alınan not) birbirini takip eden süreklilik gösterirler.

Aşağıdaki tabloda farklı değerler alan veya araştırmacı tarafından, tasarımın amacına uygun olarak, iki veya fazla numarayla kodlanmış değişken örnekleri verildi.

Dikkat edilirse, “değişkenin göstergesi” işlevsel tanımlamaya göre belirlenmekte ve kodlama da ona göre yapılmaktadır.

Tablo 1. Örnek değişkenler, özellikleri ve kodlanması

Değişken Göstergesi Kodlanmış örnekler

Cinsiyet Fizyolojik bazda işlevsel tanımlamaya göre, kadın ve erkek olarak iki özelliği vardır.

1 = kadın 2 = erkek

Yaş Yıla göre tanımlanınca: yıllar Kodu yaş ne ise odur.

TV kanalları

Tanımlanmış bir yerde erişilebilen kanal isimleri

1 = TRT1 3 = STAR 2 = NTV 4 = Diğer

Yöntem 236

Değişken Türleri

Değişkenler, gruplandırmak için ele alına farklı ölçütlere göre çeşitlenir. Fakat en çok kullanılanlar bağımlı, bağımsız, ve demografik değişkenlerdir.

1. Ölçülen, maniple edilen ve aktif değişkenler

Sosyal bilimler araştırmalarında çok ender olarak “gerçek deneysel inceleme” (laboratuar testi) yapıldığı için, çoğu kez değişkenler “ölçülen değişkenlerdir.” Deneysel tasarımda değişken maniple edildiği için, “maniple edilmiş değişken” veya “aktif değişken” olarak isimlendirilir. Dikkat edilirse, yukarıdaki bağlamda iki tür değişken ortaya çıkmaktadır: ölçülen değişkenler ve maniple edilen değişkenler. Aynı değişken deneysel tasarımda maniple edilen değişken olurken, deneysel olmayan tasarımda ölçülen değişken olur. Elbette her değişken maniple edilemez.

Ölçülen değişkenler nitelik değişkeni olarak isimlendirilir. Nitelik değişkeni (eğitim, statü, cinsiyet, göz rengi) bir şeyi tanımlar veya sınıflandırır. Bir değişkene “çok iyi, iyi, ne iyi ne kötü, kötü, çok kötü” gibi ölçekle nitelikler verilebilir.

2. Bağımsız ve bağımlı değişkenler

Bağımsız değişken, bir sonucu ortaya çıkartan veya etkileyen nedendir. Bağımlı değişken, gözlenen, açıklanması ve tahmin edilmesi gereken değişkendir. Oluşmaları ve değişmeleri başka etkenlere göre olduğu için bağımlı diye nitelenirler. Bağımsıza bakılarak tahmin edildikleri için “sonuç değişkeni” diye de nitelenirler.

Bağımsız değişkenle bağımlı değişken arasındaki ilişkide aranan şey, bağımsızdaki değişmenin bağımlıda ne tür sonuç çıkardığıdır. Bu nedenle, değişim bağımsıza bağlı olarak düşünülür. Bu amaçla yapılan tasarımda ya bağımsız değişken maniple edilir (örneğin bir ilaç içirilir) ve sonuç ölçülerek test edilir (gerçek deney), ya da her iki değişken gözlemlenerek veya ölçülerek belirlenir (alan araştırması).

Yöntem 237

Bağımlı değişkeni etkileyen bağımsız değişkenden başka etkenler de olabilir. Bunlara dış değişkenler (veya araya giren değişkenler) adı verilir. Bu değişkenlere deneysel araştırmada “kontrol değişkenleri” denir ve bu değişkenler, sonucun güvenilir olması için “sabit” olarak tutulmaya çalışılır. Sosyal bilimlerde elbette “sabit” tutma olasılığı yoktur veya yoka yakındır. Buna belli ölçüde çözüm olarak, (a) “kısmi korelasyon;” (b) değişken katarak veya çıkartarak yapılan regrasyon analizi; (c) analizde toplam etki yanında “etkileşim” değerine bakarak karar verme gibi istatistiksel çözümler getirilir.

Sosyal bilimler araştırmalarında yapılan hatalardan biri de yaş, cinsiyet, gelir ve eğitim gibi sosyo-demografik değişkenleri bağımsız değişken olarak ele almak ve diğer değişkenle karşılaştırmaktır. Bir değişken isteğe göre bağımsız değişken olarak belirlenmez; kuramsal gerekçelerden hareket ederek inşa edilen nedensellik bağları sonucu belirlenir. Cinsiyetin bağımsız değişken olabilmesi için, kuramsal olarak sunulan tartışmada bir etken olduğunun gerekçelendirilmesi ve buna bağlı olarak bir hipotezin ortaya atılması gerekir. İnsan ve sosyal ile ilgili her şey, yapılan soyutlamaya ve kurulan nedensellik bağlarına göre, bağımsız değişken de bağımlı değişken de olabilir. Dolayısıyla, cinsiyet ve eğitim gibi değişkenleri bağımsız değişken olarak ele alabilmek için tutarlı ve geçerli kuramsal gerekçe sunmak gerekir.

3. Demografik değişkenler

Demografik değişkenler gelir, yaşam yeri, nüfus yoğunluğu, eğitim seviyesi, yaş dağılımı, çevre kirliliğini yaratan ürünler, otellerin bölgelere göre dağılımı, turizm endüstrisinde gelirlerin / karların yerel, ulusal ve uluslararası şirketlere göre dağılımı gibi birçok özelliklerin dağılımını gösterir. Demografik değişkenler göstergelerine göre yaş, izleme süresi, yatak sayısı gibi sayısal veya cinsiyet, tur operatörleri, oteller gibi isimsel karakter taşıyabilirler. Demografik değişkenler, aynı zamanda, (ağaç türlerinin dağılımının belirlenmesinde olduğu gibi) fiziksel karakterlere bağlı inşalarla ilgili değişkenlerdir.

Yöntem 238

4. Sürekli ve kategorili değişkenler

Sürekli değişken birbiri ardına sıralı değerler alabilen değişkendir: Örneğin, sayısal değer alan yaş, boy, gelir gibi değişkenler böyledir. Sürekli değişkenler nicel karakterde olan değişkenlerdir.

Kategorili değişkenler isimsel (nominal) veya kademeli (ordinal) ölçme seviyesindeki değişkenlerdir. Cinsiyet, siyasal parti, sosyal sınıf, din, tutum ve ülke gibi kavramlar (birimler) belirleyici özelliklerine göre tanımlandığında kategorilere sahip değişkenleri oluştururlar.

Niceliksel değere sahip olan değişkenler de, tasarımın gerektirdiği durumda belli kategoriler içinde gruplandırılabilirler.

5. Araya giren değişkenler

Neden ile sonuç arasına giren ve araştırmacının belirlediği bağımsız değişkenin etkisini değiştiren etkenlere araya giren değişken denir. Bu değişkenler araştırmacı tarafından kurulan neden sonuç bağını zayıflatacağı gibi tümüyle ortadan kaldırabilirler. Örneğin “çevreci tutum, davranışı belirler” ilişkisi arasına risk ve çıkar faktörleri (ara değişkenler) girdiğinde, kurulan bu nedensellik bağı geçersiz olabilir. Hatta, bağımsız değişken olarak ele alınan değişken, eğitimi bağımsız değişken olarak alan birçok durumda olduğu gibi, aslında gerçek bağımsız değişken olmayabilir. Bunun nedeni araştırmacının bu değişkeni seçmedeki ideolojik bağnazlığı, bilgi yetersizliği ya da kuramsal gerekçedeki yanlılığı veya yanlışlığı olabilir. Dolayısıyla hem bağımsız değişken hem de araya giren değişken denildiğinde çok dikkat etmek gerekir: Gerçekten bağımsız değişken mi? Araya mı giriyor? Ya da etkenler zincirini oluşturan zorunlu koşullardan biri mi? Örneğin sıtma hastalığı ile sivrisinek arasında kurulan nedensellik bağı doğru görünür: Sivrisineği öldürürsen, sivrisinek sokmaz ve sıtma hastalığı da oluşmaz. Bu nedensellik bağında ihmal edilen bir diğer önemli etken var: Sivrisineğin oluşması. Bu durumda sivrisinek bir etkenin sonucu olarak ortaya çıkmaktadır. O da sivrisineğin var oluşunu ortaya çıkaran koşullar, örneğin bataklık veya belli özellikteki su birikintisidir. Dikkat edilirse, birden “bataklık” bir etken olarak ortaya

Yöntem 239

çıkmaktadır. Eğer bataklığı kurutmak sivrisinek oluşumunu ortadan kaldırırsa, o zaman sıtma hastalığı da ortadan kalkar. Peki, bu durumda, “bataklık sıtmaya neden oluyor” diye bir nedensellik bağı kurulabilir mi? Hayır, çünkü bataklığın varlığı kendi başına sıtmaya neden olmaz. Bataklık, sivrisinek ve sıtma değişkenlerinden oluşan bir bağ var. Bataklık sivrisineğin çoğalmasına uygun ortam hazırlıyor, hastalığın taşıyıcısı olan sivrisinek insanı ısırıyor ve sonuç (hastalık) ortaya çıkıyor. Peki sıtma mikrobu nereden geliyor veya nasıl oluşuyor? Dikkat edilirse, nedensellik bağları araya giren etkenler nedeniyle karmaşık bir karaktere sahip olabilir.

Bir değişkenin hangi koşulda ara ve hangi koşulda asıl etken olduğu, inşa edilen kuramsal gerekçelere bağlı olarak şekillenir.

Bazı durumlarda hangi değişkenin araya giren ve hangisinin bağımsız değişken olduğuna karar verme, toplumsal gerçekler göz önüne alındığında çok zorlaşır: Eğitimle iyi iş bulma arasındaki ilişkide, eğitimi alan kişinin sosyal sınıfı, iyi iş bulmada araya giren bir değişken midir? Aynı eğitimi almış işçi sınıfının çocuğuyla bir fabrikatörün çocuğunun bulduğu iş ve aldığı aylık gelir arasındaki dengesizlik nasıl açıklanabilir? Eğer bu dengesizlik istisna değilse, o zaman, sosyal sınıf değişkeni, eğitimi “araya giren” ve belli ölçüde “pozitif rol oynayan” değişken biçimine dönüştürür ve asıl belirleyici değişken (bazen eğitimi tümüyle geçersizleştiren) sosyal sınıf olur.

Genel tanımlamaya göre, araya giren değişkenler davranışı belirleyen içsel değişkenlerdir. Bu bazda araya giren değişken doğrudan gözlemlenemeyen psikolojik süreçler için de kullanılan bir terimdir. Ara değişken “kafa içindeki,” görünmeyen, duyulmayan veya hissedilmeyen değişkendir. Dolaylı olarak davranıştan çıkartılır. Örneğin, “düşmanlık” ara-değişken olarak, ifade edilen düşmanca iletişim biçimi gözlemlenerek yapılabilir. “Öğrenme” ancak öğrenmeyi ölçen testlerle bilinebilir. Fakat dikkat edilirse, bu son tanımlamada, değişken araya giren değil, bilinmeyen asıl değişken olmaktadır. Eğer davranışı belirleyen şeyler içsel değişkenler ise, neden asıl bağımsız değişken değiller? Belki de çıkara uymadığı içindir.

Yöntem 240

6. Yapma (dummy) değişken

Yapma değişken özellikle regrasyon analizinde kullanılan ve “0” ve “1” değerleri atanan değişkenlerdir. Çift değere sahip olan veya iki kutuplu değişkenler yapay değişken olarak kullanılabilir. Örneğin cinsiyet, iki siyasal yönelim, iki zıt tercih bu şekilde kullanılabilir.

Cinsiyet gibi iki göstergeli bir değişken için bu kolaydır. Fakat değişkenin göstergeleri ikiden fazla olduğunda, o zaman “K-1” formülünü kullanarak birden fazla yapma değişken oluştururuz. Örneğin, “evli, dul ve bekar” göstergeleri olan bir değişkenimiz olsun. Bundan biz (K -1) 3 - 1 = 2 dummy değişken oluştururuz. Birincisinde 0= evli ve 1= diğerleri, ikincisi ise, dul = 0 ve diğerleri = 1.

Değişkenlerin Önemli Diğer Özellikleri

Değişken oluşturmada göz önünde bulundurulması gereken diğer önemli faktörler vardır. Bu faktörler bilinmediği veya göz ardı edildiği için bir tasarımı geçersiz yapan ciddi hatalar ortaya çıkmaktadır.

Değişkenlerin değerlerinin belirlenmesi ve sınıflandırılmasında, birkaç önemli sorun çözülmelidir. Birincisi, değişken alabileceği bütün değerleri veya kategorileri içermelidir. Böylece dışarıda hiç bir değer bırakmayarak bütün olası değerler kullanılır, tüketilir. Buna İngilizcede “exhaustiveness” kuralı denir. Örneğin kapalı uçlu bir anket sorusunda kendi dilediğimiz veya bize uygun gelen seçenekleri verip diğerlerini dışarıda bırakamayız. Olası bütün seçenekler sunulmalı, hiç bir seçenek dışarıda bırakılmamalıdır. Eğer belirlenen seçenekler dışında seçenek olasılığı varsa, en doğru ve yansız veri toplama yöntemi soruyu açık uçlu bırakmaktır. “Diğer” seçeneğini koymak, anketi dolduranı yönlendirdiği için, bazen çözüm değildir.

İkincisi, bir değişkenin nitelikleri (değerleri) birbiriyle “karşılıklı dışarıda bırakma” ilişkisi içinde olmalıdır: Yani bir ölçmede, aynı ölçü birimi (bir cevap veya kişi) aynı anda iki değere sahip olmamalıdır. Bir değer aynı anda iki kategori içine düşmemelidir. Dolayısıyla, kapalı uçlu sorularda sunulan seçenekler (göstergeler) birbirini dışlamalıdır:

Yöntem 241

Bir cevap veya bir kişi veya bir gazete aynı anda birden fazla seçenek içine girmemelidir. Bir cevabın hangi kategori içine gireceği hakkında bir tereddüt olmamalıdır. Bir değer sadece tek bir kategoriye girmelidir.

Örneğin, bir TRT araştırmasında (TRT, 2002) deneğin “ne ile meşgul olduğu” sorusu sorulmakta ve araştırmayı trajik-komediye dönüştüren seçenekler verilmektedir: iş buldu-işini kurdu; başlamak için bekliyor; “özürlü; emekli; yaşlı; ailevi ve kişisel nedenler. Bu seçenekler birden fazla işlevsel tanımlama kriteri kullanıldığını (araştırmacıların işlevsel tanımlamayı bilmediklerini), “karşılıklı olarak birbirini dışarıda bırakma” (mutually exclusiveness) ve “tüm olasılıkları tüketme” (exhaustiveness) kurallarının çiğnendiğini göstermektedir. Benzer şekilde bir başka araştırmada insanlara “neyle meşgul olduğu” sorulmuş ve verilen seçenekler arasında “özürlü, emekli, yaşlı, işi yok, hasta” var. Bir denek şöyle diyebilir: Çalışmıyorum, özürlü olmayla meşgulüm; ama aynı zamanda hastayım; ayrıca emekliyim de.

Ayrıca çok cevaplı değerler taşıyan değişken (deneğin birden fazla seçeneği seçtiği soru), yeniden gözden geçirilmelidir. Çok sayıda seçenek istenmeyen değişkenlerde, çok seçenek seçilmesi engellenmelidir. Engellenemiyorsa, deneğin seçeneği “kayıp değer” olarak nitelenmeli ve analize sokulmamalıdır; ya da, böyle işaretleyen çoksa, o zaman çok-cevaplı ölçek ile test olasılıkları araştırılmalıdır.

Üçüncü sorun Türkiye’deki araştırmalarda çok sık rastlanan ve ölçmeyi geçersiz yapan “işlevsel tanımlama yapmaksızın değişkenin göstergelerini belirleme” (işlevsel tanımlama yapmadan, ölçek oluşturma ve ölçme yapma) sorunudur. Bu nedenle yanlış, yetersiz, fazla ve eksik göstergelerle seçenekler belirlenmektedir. Örneğin, “(1) kadın, (2) erkek, (3) eşcinsel, (4) dul, (5) diğer” seçeneklerinin kullanıldığı tek bir değişken olamaz. Böyle bir seçenekleri olan soruya istenen tek yanıta verilen yanıtlar kullanılarak yapılan istatistik geçersizdir. Bu seçeneklere bakıldığında, en az üç farklı işlevsel tanımlama yapıldığı görülür: Birincisi biyolojik özelliğe, ikincisi cinsel tercihe ve üçüncüsü medeni durumuna göre.

Yöntem 242

NEYİN NASIL ÖLÇÜLECEĞİ: ÖLÇME VE ÖLÇEKLER

Araştırma sorularını/hipotezler oluşturmak, değişkenleri ve ilişkileri saptamakla başlayan araştırma tasarımı, aynı zamanda ölçülecek değişkenin nasıl ölçüleceğini de belirtmelidir. Araştırmacının bu safhada soracağı soru “ölçmeyi nasıl yapacağım?” sorusudur. Bu da ölçme yönteminin seçimiyle ilgili uygun karar vermeyi gerektirir. Bu bölümde ölçme yöntemleri ve ölçekleri üzerinde durulacaktır.

Ölçme Nedir?

Ölçme gözlem yapma ve kayıt etme sürecidir. Araştırma sorusuna veya hipoteze aranan cevap “ölçmeyle” toplanan verilerle elde edilir. Ölçme belirlenmiş kurallara göre yapılır. Kurallar ölçmede nesnellik ve geçerlilik sağlar. Örneğin, ağırlık değişkeni kilo ile tanımlandığında ölçme kiloya göre, gramla tanımlandığında grama göre yapılır. Uzunluk santimetre ile tanımlandığında, ölçme santimetreyle yapılır. Hastanın ateşini ölçmede termometre kullanılır. Bu tür değişkenleri ölçmede sorun yoktur, çünkü standart ölçüleri vardır. Sorun, düşünce, tutum, tercih, kıskançlık, bağnazlık, öfke, alışkanlık, davranış, çevre kirliliği, bir programın kalitesi, bir gazetenin, derginin veya metinin ideolojisi veya bir filmdeki biliş yönetimi ölçülmek istendiğinde ortaya çıkar. Bütün bunlar ancak ölçekler geliştirip kullanarak ölçülebilir.

Ölçekler

Ölçekler ölçme göstergeleridir. Her ölçme belli ölçek tipine sahiptir: Her ölçek tipi bir ölçeğe sahiptir. İsimsel ölçüler isim ölçeklerine; kademeli (sıralamalı) ölçüler kademeli ölçeklere; mesafeli/aralıklı ölçüler aralıklı ölçeğe ve orantılı ölçüler orantılı ölçeğe sahiptir.

Ölçekleri bilmek çok önemlidir. Çünkü en çok yapılan hatalardan biri de, ölçeklerin karakteri bilinmediği için, istatistiğin temel kaideleri çiğnenmektedir. Örneğin, isimsel veya Likert ölçeğiyle anova testi yapılmaz. İstatistikte şunu unutmamak gerekir: Her analizin ölçme koşulları vardır. Her ölçek her analizde kullanılamaz.

Yöntem 243

Boyuta göre ölçekler Tek boyutlu ölçekler: Örneğin boy, ağırlık tek boyutludur. Bunları

biz cetvelle veya teraziyle ölçeriz. Susuzluk da tek boyutludur, çünkü belli bir zamanda az çok susarız. Tek boyutlu ölçekler azdan çoğa doğru bir karaktere sahiptir.

İki boyutlu ölçekler: Örneğin başarı iki boyut üzerinden ölçülebilir: sözel yetenek ve matematik yeteneği.

Üç boyutlu ölçekler: Bir nesneyi üç boyutta değerlendirme.

Yöne göre ölçekler Tek yönlü ölçekler: Bir duygu, düşünce, tutum veya davranışın

herhangi bir niteliğini ölçerken, ölçmeyi pozitif veya negatif yönde derecelendiren ölçektir. Bu tür ölçekte hiçten veya sıfırdan başlayarak yukarı doğru derecelendirme yapılır.

Çift yönlü ölçekler: Bu tür ölçek terazi gibi bir orta noktası olan ve iki yönde eşit mesafeli olarak derecelendirilen ölçektir.

Ölçme Seviyeleri

Ölçekler isimsel (nominal); kademeli (ordinal); mesafeli (interval) ve oranlı (ratio) olarak dört seviyeye sahiptir. Araştırmacı, tasarımın özelliğine göre, bu seviyelerden bir veya bir kaçını kullanabilir. Her seviye bir ölçme biçimidir. Her seviye kendine özgü karakterlere sahip olan bir ölçektir. Her ölçme seviyesinde ölçmeyi yapmak için bu seviyeye ait ölçekler kullanır. Bu ölçeklerin istatistikte ölçme seviyesi olarak değeri Şekil 9’da gösterildiği gibi kademeleşmiştir.

Şekil 9. Ölçme seviyeleri

İsimsel

Kademeli

Oranlı

Mesafeli

Yöntem 264

Geçerlilik ve Güvenilirlik Bağı

Geçerlilik bir ölçeğin ölçmek istediğini ölçme derecesidir. Bir ölçek geçerli olabilmesi için güvenilirliğe sahip olmalıdır. Bir ölçeğin güvenilir olması için geçerli olması şart değildir. Ölçek güvenilir olabilir, fakat geçerli olmayabilir. Evdeki tartı aleti beceriyi ölçme için kullanılırsa, sorun güvenirlilik değil, geçerlilik sorunudur. Terazi güvenilir olabilir, fakat beceriyi ölçmek için geçerli değildir. Mesafe ölçüsü güvenilir bir standart ölçektir. Ama ancak mesafe ölçmek için geçerlidir.

Dolayısıyla, güvenilirlik aynı zamanda geçerlilikle tamamlanmalıdır. Geographical Information Systems coğrafik veriler uzaydan toplamak için güvenilir bir araç olabilir; fakat toprak reformu ölçüsü olamaz.

ARAŞTIRMANIN SINIRLILIKLARI

Yöntem konusunda, önemli kavramlardan ikisi araştırmayı sınırlama (delimitations) ve araştırmanın sınırlılıklarıdır (limitations). Araştırmayı sınırlama “araştırmanın kapsamını” belirlemedir. Kapsam sınırlılık değildir; ama sınırlılıklar kapsamla da ortaya çıkabilir. Araştırmanın sınırlılığı çoğu kez ele alınan soruna yaklaşımla ve kullanılan yöntemle ilgili ve uygulama sırasında ve sonrasında ortaya çıkan sorunlar/sınırlılıklar üzerinde durulur. Araştırmanın başından sonuna kadar her aşamasında olabilir. Bu sınırlılık kaynakları:

• Araştırma konusunun ve sorunun getirdiği sınırlılıklar • Kaynağa erişme, kaynaktan veri/bilgi toplama, kaynağın ve

verilerin güvenilirlik ve geçerliliği ile ilgili sınırlılıklar • Bilgi toplama yolları ve araçlarıyla ilgili sınırlılıklar • Temsil ve karşılaştırılabilme karakteriyle gelen sınırlar • Araştırmanın uygulanmasıyla ilgili ortaya çıkan sınırlılıklar • Araştırma tasarımını ve yorumunu etkileyen sınırlılıklar:

Bulguların faydası, sonuçların anlamlılığı, genelleştirilebilmesi ve nedensellik bağı kurma ile ilgili sınırlılıklar.

• Araştırmacının bilgisi, araştırmada çalışan iş gücünün kalitesi, zaman ve finans ile gelen sınırlılıklar.

BÖLÜM IV

VERİ KODLAMA VE SPSS’E GEÇİRME

Veri, araştırmada süreçten geçirilecek, işlenecek ve anlam verilecek enformasyon veya ölçülmüş bilgi demektir. İngilizcede datum tekil, data çoğuldur. Data Türkçede “veriler” anlamına gelir. Fakat veri kavramı Türkçede hem tekil hem de çoğul anlama kullanılmaktadır. Temel olarak iki ana veri türü vardır. Birinci tür niceliksel, ikinci tür ise nitelikseldir. Eğer veri “sayısal biçimdeyse” buna niceliksel veri denir. Sayısal olmayan ise, nitelikseldir. Nicel veri rakamla kodlanmıştır. Nitel veri ise harflerle kodlanmıştır. Kodlar, “anlam ifade eden işaretlerdir”: Toplanan veriler değerlendirilmek için kodlarla bir düzene konur.

Her niceliksel veri niteliksel karara ve değerlendirmeye dayanır. Her niteliksel veri ölçeklere konularak, gruplaştırılarak, niceliksel bakımdan ifade edilebilir. Niteliksel veriler sistematik bir şekilde belli birimler ve kategoriler oluşturarak sayısallaştırılabilir. Örneğin, siyasal tercihler oy verilen parti olarak tanımlanabilir; her siyasal partiye bir kod numarası atanarak analize hazırlanır. Böylece nitel olan dönüştürülerek niceliksel kategoriler oluşturulur.

VERİ KODLAMA

Veri ölçülmüş bilgidir. Tek başına tek bir kaynaktan alınan tek bir bilgi parçasını ifade eder. Bu bilginin istatistiksel süreçler için kodlanması gerekir. Ampirik araştırmada veri kodlama, verilerin sayısal olarak isimlendirilmesidir. Veri kodlamayla verilere sayılar atanır. Bunun için önce değişkenlerin belirlenmesi gerekir.

Örneğin değişkenlerden iki tanesi öğrencinin dersi ve aldığı not olsun. Ders adı öğrencinin aldığı derslerdir. Bu dersler İletişime Giriş, İletişim Kuramları ve İstatistik olsun. Ders değişkenini bu üç ders (gösterge) oluşturur. Kodlama her bir derse sayı atamayla yapılır: 1 = İletişime Giriş; 2 = İletişim Kuramları; 3 = İstatistik. Not değişkeni öğrencinin bu derslerde aldığı 100 üzerinden değerlendirme olsun.

Veri Kodlama 266

Not değişkeninin kendisi nicel karakterde olduğu için, yeniden bir sayı atamaya gerek yoktur. Dikkat edilirse kodlama oldukça kolay bir süreçtir. Kodları bilgisayara geçerken, yanlış geçmemek için dikkat etmek gerekir.

Kodlama, verileri toplamadan önce yapılacağı gibi sonradan da yapılabilir. Gerekirse kodlar sonradan değiştirilebilir.

Kodlama için bir kod sayfası veya defteri hazırlanabilir. Kodlama önce kağıt üzerine yapılır, sonra da bilgisayara geçirilebilir.

Kodlama kod defteri veya sayfası hazırlamaksızın doğrudan bilgisayara geçerek de yapılabilir. Özellikle araştırmada az sayıda değişken varsa ve açık uçlu sorular yoksa, o zaman toplanan veriler kodlarıyla doğrudan bilgisayara geçilebilir.

Araştırmada eğer çok sayıda değişken ve açık uçlu sorular varsa veya kategoriler akılda tutulamayacak kadar çoksa, o zaman önce veriler yanıt kağıdı üzerinde kodlanır ve sonra bilgisayara geçilir.

Bir anket kağıdı üzerinde her şeyi kodlama her tasarımda mümkün olmayabilir. Örneğin açık uçlu sorularda kodlama cevaplar verildikten sonra yapılır. Dolayısıyla, anket kağıdında hem önceden kodlanmış hem de sonradan kodlanacak sorular vardır. Önceden kodlanmış anket sorularına “kapalı uçlu sorular” denir. Kodlanmamış ve deneğin cevabını yazması istenen sorulara “açık uçlu sorular” denir. Açık uçlu sorular, sonradan kodlanır.

Cevapları sayılar atayarak gruplar içine kodlamak, sadece nominal ve kademeli ölçekler için yapılır. Sayısal veriler kodlanmaz, çünkü zaten sayısal olarak kodlanmışlardır. Deneyimli bir araştırmacı, özel bir neden olmadıkça, asla nicel olan bir ölçmeyi veri toplarken gruplandırmaz. Örneğin “ailenin gelir seviyesi” sorusu oranlı seviyede bir ölçmedir. Bu ölçeği gruplandırmak, orantılar arasını birkaça indirdiği için ciddi bilgi kaybı demektir. Bu ölçekleri gruplandırmak veya gruplandırmamak, araştırmacının amacıyla ilgilidir: Araştırmacı gelir ile kaç yıl eğitim gördüğü arasında bir ilişki arıyorsa, gruplandırmamak gerekir, çünkü her ikisi de sayısal seviyede ölçmedir. Hele “eğitim arttıkça gelir seviyesi de artar” diyen bir hipotezi varsa, hipotezin kendisi nicel artışla ilgili olduğu için, gruplandırma asla yapılmaz. Eğer

Veri Kodlama 267

araştırmacı cinsiyet ile gelir seviyesi arasında frekans dağılımına dayanan bir bağ arıyorsa, o zaman, geliri gruplandırabilir.

Soruları önceden kodlamada çok dikkat etmek gerekir. Eğer anketi eğitimli anketçiler deneğe soracak ve yanıtları kaydedecekse, anket önceden kodlanabilir. Fakat eğer, denek anketi kendi dolduracaksa, önceden kodlama şaşırtıcı ve yanlış yönlendirici olabilir. Bu durumda seçeneklerin yanına sayı yazılmamalıdır.

Ayrıca anketçi verileri deneğe sorarak topluyorsa, bazı soruları sormak gülünç olur; bu nedenle, anketi yaparken, bu soruları anketçi kendisi sormadan doldurur. Örneğin, “kadın mı yoksa erkek misiniz? Lütfen belirtin” diye sorulmaz. Fakat elbette buna, istisnalar vardır: Eğer lezbiyenlik ve homoseksüellik gibi seçenekler varsa, bunun uygun bir dille sorulması gerekir. Aşağıdaki tabloda kodlanmamış iki soru (iki değişken) var: cinsiyet ve eğitim seviyesi.

Tablo 5. Kodlanmamış soru örnekleri

1. Lütfen Cinsiyetinizi aşağıdakilerden uygun olanı işaretleyerek belirtiniz: ( ) Kadın ( ) Erkek

2. Lütfen eğitim seviyenizi aşağıdakilerden uygun olanı seçerek belirtiniz:

( ) Okula gitmedim; ( ) İlköğretim; ( ) Ortaöğretim; ( ) Yüksek öğretim; ( ) Üniversite üstü.

Yukarıdaki her sorudaki seçeneklere birer numara verilir. Örneğin, Birinci soru için: 1 = kadın, 2 = erkek. İkinci soru için: 0 = okula gitmedim, 1= ilköğretim, 2 = ortaöğretim, 3= Yüksek öğretim, 4 = üniversite üstü. Bu numaraları araştırmacı kendi isteğine göre atar.

Bazen insanlar bazı soruları boş bırakır veya birden fazla seçeneği işaretlerler. Doldurulmayan veya doğru doldurulmayan soru varsa, ona “kayıp değer” denir ve bu istatistiksel analize sokulmaz. Bu nedenle yanıtlanmayan soruya, kodlamada kullanılmayan bir değer atanır. Örneğin, 0. 9 veya 99. Tablo 6 bu değişkenleri ve SPSS’ deki İngilizce isimleriyle kodlamayı açıklamak için düzenlendi.

Veri Kodlama 268

Tablo 6. Değişken isimleri ve kod değerleri örneği

Değişken ismi: Cinsiyet

Değişken ismi: Eğitim seviyesi

Etiketi (Label)

Değeri (value)

Etiketi (Label)

Değeri (value)

Erkek 1 Okula gitmemiş 0 Kadın 2 İlköğretim 1 Kayıp değer 0 Orta öğretim 2 Yüksek öğretim 3 Üniversite ötesi 4

Kayıp değer 9

Açık uçlu sorulara verilen cevapların kodlanması zordur. Bu kodlama yanıtın anlamı üzerinde çıkarsama yaparak, çıkarsamaları özetleyen faktörler belirleyerek ve cevapları bu faktörler altında gruplandırarak yapılır. Eğer daha ayrıntılı analiz gerekirse, açık uçlu sorulara verilen cevaplar için içerik analizi veya söylem analizi uygulanabilir. Hangi analizin yapılacağına, tasarımın yöntem bölümünde karar vermek gerekir.

Her zaman anket ile veri toplanmaz. Tasarım görüntülü ve/veya sözlü kayıt ile veri toplamayı gerektirebilir. Bu durumda, araştırmacı önce izleyerek/dinleyerek kayıtların yazılı dökümünü oluşturmalıdır (=transcribing). Ardından bu yazılı dökümün kodlamasının yapılması gerekir. Bu kodlama kaydedilen görüşmenin dökümü sırasında da analize izin verecek bir biçimde yapılabilir. Yazıyla dökümün nasıl yapılacağını, tasarımda araştırmacının “ne aradığı” belirler. Amaç sadece ne söylendiğini teypten dinleyip kağıda yazmak olabilir. Amaç dilin özellikleriyle ilgili olabilir ve bu durumda ne söylendiği yanında nasıl söylendiği ön plana geçer. Bu da kaçınılmaz olarak nasıl söylendiği hakkında, tasarımın amacına uygun ölçütlerle söyleneni anlamlandırmayı getirir. Örneğin lehçe farkı aranıyorsa, lehçeye göre döküm alma (transcribing) yapılmalıdır.

Veri Kodlama 269

Bir sosyolojik tasarımın aradığı ile psikolojik bir tasarımın aradığı farklıdır ve aranan ne ise ona uygun veri toplama gerekir ve döküm de ona göre yapılır. Birinde, konuşanın susması önemli değilken, diğerinde çok önemli olabilir. Birinde öfke veya benzeri duyguların ses tonuyla ifadesi anlam taşımazken, diğerinde taşıyabilir. Dolayısıyla, döküm alma sözlü bir ifadenin yeniden ifadesidir; bir temsilin yeniden amaca uygun temsilidir. Dolayısıyla, bu temsilin mümkün olduğu kadar gerçeği yansıtacak biçimde kaydedilmesi gerekir. Bunun anlamı, döküm alma aynı zamanda yorumlama demektir.

Dikkat edilecek önemli noktalar:

Görüşme için hazırlanırken, ses/görüntü kayıtlarının kaliteli olması gerekir ki kolayca dinlenip yazılabilsin. Duyulmayan bir teyp kaydı kötü veri toplamaya örnektir. Bu nedenle kaliteli teyp kayıt cihazı kullanılmalı, yeni pil, ekstra kaset olmalı; kaydedilecek yer iyi kayda izin vermeli; daima kayıttan önce cihaz test edilmeli.

Görüşme sırasında konuşmacının sesini kaydedildiği en baştan kontrol edilmelidir. Kayıt cihazı dikkatle izlenmelidir. Görüşme sırasında, ilgisiz tartışma olursa, kaydedilmez.

Her kaydın sonunda, kiminle görüşme yapıldığını belirterek görüşmenin sonu olduğunu kaydetmek gerekir.

Görüşmeden sonra, teybi dinleyerek, gereksiz ve ilgisiz konuşmalar silinebilir. Teybin üstüne bilgiler yazılmalıdır.

Kararlaştırılanların dışında, söylenen her şeyin dökümünün alınması (transcribe edilmesi) gerekir.

Susmalar: İletişimin akışında susmalar bazen konuşanın konuşma biçimi ötesinde anlam taşır; böyle bir susma durumunun belirtilmesi gerekir. Nasıl? Örneğin [5 saniye duraklama]… notu ekleyerek veya + + + + + kullanarak.

Lehçe, ses tonu gibi konuşma tarzının belirtilmesi: örneğin konuşmada Kayseri yerine Gayseri kullanılması ancak araştırma tasarımında değerlendirilecekse yapılır.

Veri Kodlama 270

Aynı anda birden fazla kişi konuşuyorsa, bunun belirtilmesi gerekir.

Nokta, virgül vs. kullanımına dikkat etmek gerekir.

“Hıı, şey, bildiğiniz gibi, efendim, ha” gibi ifadelerin yazılması veya yazılmaması da gene amaca göre olur.

• Döküm almaya başlarken, kodlamada yapıldığı gibi, önce teyple, görüşme ve görüşmeciyle ilgili gerekli bilgilerin yazılması gerekir: Teyp numarası, görüşmecinin adı, adresi, telefon numarası, görüşme yeri, zamanı gibi… Konuşmacı için K veya konuşmacının isminin ve soyadının ilk harfleri, görüşmeyi yapan için G veya adının ilk harfiyle kodlama yapılmalı. Susmaları vb. şeyleri nasıl kodlandığı belirtilmeli.

• G: Nasıl oldu?

• K: Valla bilmiyorum, ansızın habersiz yakalandım. Güm dedi; kafamın içinde kuş sesleri cıvıldamaya başladı. Cik cik cik cik…

• [Gülüşmeler]

• G: Sonra ne hissettiniz?

• K: Hım, şey….. [5 saniye sessizlik] valla, şey, sonrası karanlık.

• [Arkadaşı Mustafa’ya döner ve yardım isteyen bir sesle] Sen hatırlıyor musun? [Dizini titretmeye başlar]

Eğer duraklamalar, tekrarlamalar, ne diyeceğini bilmeme gibi nedenle kekeleme veya aynı kelimeyi tekrarlamalar varsa, bunlar tasarımda önemli değilse, ayıklanabilir ya da ayıklama yapılmadan önce, not düşülür. Örneğin [Not: ne diyeceğini bilemedi; kekeledi; geveledi; aynı kelimeleri iki kez tekrarladı; bunları çıkarttım].

Veri Kodlama 271

VERİLERİ SPSS’E GİRME

Veriler kodlandıktan sonra SPSS’e girilir. Verileri girmek için önce değişkenlerle ilgili bilgilerin SPSS’e kaydedilmesi gerekir. Bu nedenle SPSS açıldığında, sol alt köşede (veya üst menüdeki “view” seçeneği içinden) “variable view” seçeneği seçilmelidir. Açılan ekrandaki satırlar değişkenler ve sütunlar da değişkeni bilgileri girilir. Bu şöyle yapılır:

o Birinci sütun başında “Name” (isim) yazar. “1” yazan satırın ilk sütununa değişkenin ismi yazılır ve “enter” tuşuna basılır. Örneğin, Cinsiyet. Enter tuşuna bastığınızda, otomatik olarak diğer sütün bilgileri de dolar. Sizin yapacağınız, sadece bu bilgilerden bazılarını değiştirmektir. Değişecekler de şunlardır:

o “Decimal” (ondalık) sütunu: eğer değişkende ondalık kesir (decimal) yoksa, yani değişkeniniz kesirli sayıya sahip değilse, “decimal” yazısının karşısındaki sayıyı sıfır yapın.

o “Label” (etiket) yazılı sütuna değişkeninizin tam adını yazın: örneğin “gazete tercihi” veya “cinsiyet” veya “aylık gelir”

o “Values” yazan sütuna, eğer değişken boy, yaş, gelir gibi nicel değişkense, hiç bir şey yazılmaz. Eğer değişken cinsiyet gibi isimsel ise veya gruplandırılmışsa veya Likert tipiyse, o zaman kodların girilmesi gerekir. Örneğin cinsiyet değişkenini girelim: “Value” altındaki “none” üzerine fare ile tıklayın; renk değiştirir ve sağında yanyana üç noktalı çok küçük bir kutu açılır; bu kutuya tıklayınca önümüze “label values” açılır. “Value” karşısındaki kutuya “0” yazılır. “Label” karşısına “0” kadını işaret ettiği için “kadın” yazılır ve “Add” seçeneğine basılır. Sonra, bu kez, “value” kutusuna “1” yazılır; label’a “erkek” yazılır; “add” kutusuna basılır; biter. “OK” seçeneğine basılır ve ilk pencereye geri dönülür. Böylece değerler girilir.

o Aynı satırda sonraki sütun (missing yazan sütun) kayıp değer sütunudur. Bu sütundaki hücreye fareyle, yukarıda anlattığım gibi tıkladığınızda, açılan pencerede, “no missing value” işaretlidir. Eğer bu değişkenle (örneğin cinsiyet ile veya yaşla ilişkili verilerinde yanıt vermeyen yoksa), o zaman, böylece

Veri Kodlama 272

kalsın. Eğer yanıt vermeyen varsa (yani kayıp değer varsa), o zaman “discrete missing values” seçeneğinin yanındaki daireye tıklanır ve üç kutudan ilkine “9” yazılır. Dikkat edilirse üç tane kayıp değer verilebilir veya “range of missing values” seçeneğiyle, örneğin 3 ve 9 yazarak 3 ve 9 arası değerleri istatistik süreç dışı bırakılabilir. İşiniz bitince OK basıp çıkılır.

o Diğer sütunlara bir şey yazmaya gerek yok.

Böylece bir değişken (örneğin cinsiyet değişkeni) veri girmek için hazır hale gelir. Aynı süreç diğer değişkenler için de yapılır. Bütün değişkenler bittikten sonra artık SPSS’e veri girmeye hazırız demektir.

Veri gireceğimiz için, “data view” seçeneğini seçerek “variable view” seçeneğinden çıkarız.

“Data view” penceresini verilerimiz girmek için kullanırız.

Bu pencerede, her satır bir deneğin verdiği yanıtları girmek için kullanılır. Örneğin birinci satır ilk denekten toplanan veriler içindir.

Veri girmeden önce, anket kağıtlarına/kayıtlara “1” den başlayarak numara vermek gerekir. Aksi taktirde herhangi bir nedenle, düzeltme gerektiğinde, hangi anket/satır olduğunu bulamayız.

Anketler numaralandırıldıktan sonra, veri girmeye ilk numaradan (ilk denekten veya ilk kayıttan) başlanır.

İlk deneğe (veya kayda) “1” numarası veririz ve bu denekle ilgili veriler “1” numaralı satıra girilir. “2” nolu deneğinki “2” nolu satıra…

Veri girerken, örneğin kadınsa “0” veya erkekse “1” yazılır; veya yaşı “30” ise “30” yazılır; veya kişi yanıtında, “4” seçmişse, “4” yazılır.

Birinci deneğin tüm verileri girildikten sonra ikinci deneğe geçilir. Örneğin birinci satırın birinci sütunu “cinsiyet” ise, yanıt “kadın” ise,

kadının kodu olan “0” rakamı yazılır. Ardından, sonraki sütuna geçilir; bu sütun “yaş” olsun; o zaman, yanıtta hangi yaş yazılmışsa, o yaş (örneğin 25) yazılır.

Böylece her sütuna bütün cevaplar işlenir.

Eğer cevap vermemişse, atanan kayıp değer ne ise o değer (örneğin 9, 99 veya 999) numarası girilir.

BÖLÜM V

ANALİZ: TEMEL BİLGİLER

Analiz, verilerin anlamlandırılmasıdır. Analizle elde edilen bulgular üzerinde yapılan anlamlandırmayla sentez yapılır, sonuçlara ulaşılır ve gerekiyorsa tahminlerde bulunulur ve öneriler sunulur.

Bilimsel analizde ilk ayırım analizin niteliksel veya niceliksel olmasıdır. Bu analizler kendi içlerinde farklı analiz türlerine sahiptir.

NİTELİKSEL VE NİCELİKSEL ANALİZLER

Niteliksel analiz: Genel

Niteliksel analiz, en temel anlamıyla, bir yazılı metnin, mesajın, programın, filmin, film sahnesinin, reklamın, kampanyanın veya konuşmanın, özlüce ifade edilmiş bir ürünün (son-ürünün) içeriğinin anlamının ve anlamsal/semiyotik/dilsel yapısının incelenmesidir. Bu nedenle, niteliksel analiz dediğimizde, önümüze akla gelebilen ampirik olmayan ve anlam ve dilsel yapı üzerinde duran her analiz türü çıkar. Bunlar anlam üzerinde duran niteliksel analizdir. Bu geniş grubun yanında, bir bitmiş üründeki anlam yerine, bir sosyo-ekonomik, siyasal veya kültürel birimin oluşumu, tarihi, tarihsel gelişimi ve yapısı gibi konular üzerinde duran araştırmaların analizleri de niteliksel analiz içine düşer. Dolayısıyla, veri-toplama ve analiz yöntemi, olasılık teorisine dayanan ampirik karakterde olmayan, ama gerektiğinde istatistiksel verileri de kullanan tüm araştırmalar niteliksel araştırma ve analiz içerisine düşerler.

Niteliksel incelemede analiz, gözlemlerle (örneğin ilgili kayıtlı literatürden, mülakatlardan, alan gözleminden) elde edilen verilerin ayıklanması, düzenlenmesi, anlamlı parçalara ayrılması ve bu parçaların içinin anlamlı bir bütün oluşturacak biçimde doldurulmasını gerektirir. Niteliksel tasarımda analiz araştırılan konu/sorun hakkında toplanan ve/veya var olan bilgileri önce en ayrıntılı parçalarına

Analiz: Temel Bilgiler 274

ayırmayı ve anlamlandırmayı (tümdengelim sürecini) ve ardından bu parçaları yeniden birleştirerek sonuçlar çıkarmayı (tümevarım sürecini) içerir. Analiz, bir araştırmada sentez için gerekli olan bilgilerin değerlendirilmesidir. Analizdeki amaç araştırılan konuyla/sorunla ilgili olarak bir senteze ulaşmaktır.

Tümdengelimle yapılan açıklamalar ilgili verilere, enformasyona ve birikmiş bilgiye dayanan geçerli tartışmalarla yapılır. Bunlar en güçlü açıklama (=neden sorularına cevap sunma) biçimleridir, çünkü genel ve özel durumları, olayları, ilişkileri, olguları vb. açıklarlar ve eğer önermeler doğruysa, sonuçları da doğrudur.

Tümdengelimsel açıklamada ABD’nin Irak’ı işgali gibi tek bir olay ele alınabilir. Ya da ABD’nin artan saldırganlığı gibi bir olaylar sınıfı veya dizisi incelenebilir. Tümdengelimde mantıksal olarak sistemli ve tutarlı açıklamalar getirilir. Tümdengelimsel sonuç çıkaran niteliksel (ve ampirik) incelemeler açıklayıcı olgulardan (belirleyen, ilişkili faktörlerden) hareket ederek olayı açıklarlar. “ABD neden Irak’ı işgal etti?” sorusuna cevap için ampirik tasarım, olgular arasında bağ kuran hipotezler seti ortaya atar; onları test eder ve sonuca varır. Niteliksel tasarımda ABD’nin işgaliyle ilgili, örneğin demokrasi, özgürlük, halkın seçme ve seçilme hakkı veya kapitalist ekonomik ve siyasal pazar koşulları, bu pazarın demokratik veya emperyalist karakteri gibi özellikler/göstergeler irdelenir ve genelleştirmeler yapılır. Olaya özgü başlangıç koşulları sunulur: Örneğin Irak’ta özgürlük ve demokrasi olmaması; kimyasal silahlarla dünya barışını tehdit etmesi; veya Irak pazarının ABD için işlevsel olmaması; ABD’nin ekonomisini canlandırmak için savaşa gereksinim duyması; Petrol çıkarları; ABD savaş sanayisinin ürettiklerinin tüketilmesi gereksinimi; bölgesel politikalar; yeni haçlı seferleri ve kapitalist dünya politikasında öldürülen “komünist ”öcünün” yerine, yeni “İslamcı kökten-dinci (fundamentalist) öcünün” yaratılması ve bu öcüye ders verilmesi, medeniyetler çatışması ve demokrasi götürme bahanesiyle, örneğin Müslümanları, çalışanları, farklı ırktan olan insanları birbirine düşürmek, ülkeleri bölerek kolayca yönetmek gibi...


Evrensel genelleme sürecinde çeşitli nedensellik bağları kurulur ve sonuçlar çıkartılır. Örneğin:

Eğer A ise, o zaman daima X olur (veya asla olmaz). B’lerin % 100’ü Y’dir (veya Y değildir).

Başlangıç koşullarında incelenen durumla (olayla) ilgili gerçekler veya koşullar belirlenir. Bunlar evrensel genelleştirmeye bağlı, genellemenin belirlediği yasanın önceki koşulunu yanıtlayan etkilerdir. Bunlardan geçerek açıklayıcılardan sonuçlar çıkartılır. Eğer C ise, o zaman daima E olur” diye sunulan bir tümdengelimsel tartışmada, başlangıç koşulu C’dir; sonuç ise E.

Örnek: Öğrencilerin düşük not alma nedenleri nedir?

Evrensel genelleştirmeler: Eğer öğrenciler derse devam etmez, derse çalışmaz, dersi dikkatle dinlemez, tartışmalara katılmaz, ödevleri yapmaz, düşünmek için kendini yormaz ise, düşük not alırlar.

EG1 = Derse devam etmeme (derse girmeyi angarya gibi gören, kantinde sigara ve geyik yapmayı yeğleyen aylaklık kültürü; tembelliği destekleyen ve yeniden üreten, çalışanı dışlayan ve engelleyen negatif rekabet kültürü)

EG2 = Ders çalışmama (çalışmayı inekleme diye aşağılayarak ve çalışan üzerinde psikolojik baskı yaparak tembelliği yeniden-üretme kültürü)

EG3 = Dersi dikkatle dinlememe (kısa döneme standartlaştırılmış moda kültürünün getirdiği bilinçle şekillenen beyin)

EG4 = Tartışmalara katılmama (aylaklık ve tüketim kültürüyle biçimlendirilmiş beynin, “dersin iş yaramadığını belirten” fayda anlayışı; standartlaştırılmış bilincin yanlış yapma korkusu; maç, dedikodu ve geyik yapma dışında söyleyecek bir şeyi olmama durumu; düşünmek için gerek duymama kültürü; anlama, bağ kurma ve sonuç çıkarma kapasitesinden yoksun bırakılmışlık; derin düşünmeden yoksun bırakılmış cehaletin katılamamayı çeşitli hazır klişeler kullanarak kendine ve diğerlerine meşrulaştırması)

EG5 = Ödevleri yapmama veya baştan savma son anda yapma (sorumluluk taşımayan, şimdi ve gelecek bilinci dumura uğratılmışlık durumu; hiçbir şey yapmadan veya en az işle köşe dönmecilik kültürü)


EG6 = Düşünmek için kendini yormama (Ne gereği var ki! Bilincin ve ilginin televolecileştirilmesi ve McDonaldlaştırılması; özlüce, 2000’lerin sömürgelerindeki sömürenler için işlevsel olan insanlık durumu).

Bu evrensel genelleştirmeleri oluşturan başlangıç koşullarının (BK) bazıları zorunlu, bazıları yeterli ve bazılarıysa katkıda bulunan koşul olabilir. Örneğin:

EG1= Eğer öğrenci derse devam etmediyse, düşük not alır BK1 = Öğrenci derse devam etmemiş Açıklanan (sonuç) = Öğrenci düşük not almış

Bu “hayatın gerçeği” bilinciyle biçimlendirilmiş bir genç, işe başladığında, eğitim politikalarının not politikaları ve ilişkileri gibi, “demokratik düzen!” olduğu için, kendinin etki edemediği ücret politikalarını ve ilişkilerini soruşturmayı asla aklına getirmez ya da soruşturmayı anlamsız, gereksiz ve sonuçsuz bulur. Dolayısıyla aşağıdaki inşalar, evrensel insan gerçeği olur:

EG1= Eğer işçi işine geç gelirse, sonunda işinden olur.BK1 = İşçi işine geç gelmiş. Açıklanan (sonuç) = İşçi işinden olmuş.

Tümdengelim açıklamaları tümevarımsalı anlamaya yardım eder. Soru: Neden hükümetteki liderlik, karşıtlarına karşı yasaları

kötüye kullanan taktikler kullanır? EG1 = Eğer siyasal gücü elinde tutan liderlik karşıtlarından

korkar ve onlara güvenmezse, o zaman daima yasaları kötüye kullanan taktiklere başvurur.

BK1 = AKP liderliği siyasal gücü elinde tutuyordu. BK2 = AKP liderliği karşıtlarından korkuyordu ve onlara

güvenmiyordu.

Açıklanan = AKP liderliği karşıtlarına karşı yasaları kötüye kullanan taktikler kullandı (örneğin Cem Uzan’ı batırmak için kullanılan taktikler; eski liderler hakkında soruşturmalar. Eski liderlerin ve Cem Uzan’a karşı kullanılan taktiğin evrensel nedeni şu olabilir: Sahtekarlığın ve yasadışı taktiklerin egemen olduğu bir ortamda, hükümeti ele geçiren gücün önünde aynı taktikleri kullanmaktan başka bir seçenek


bırakılmamıştır. Bunun anlamı, diğer bir evrensel yasanın varlığıdır: Ne AKP, ne CHP ne de İşçilerin Partisi hükümete geldiğinde var olan iş yapış biçimini anlamlı bir şekilde (soygunu, vurgunu, sömürüyü, ülkenin kaynaklarını ve zenginliklerini özelleştirme adı altında yabancı sermayeye ve onların içteki ortaklarına, belli pay karşılığında, aktarmayı) değiştiremez. Bunun gerisindeki evrensel yasa ise şudur: Üretim güçleriyle ters düşen bir üretim biçiminde değişim, ancak o üretim biçiminin değiştirilmesiyle mümkündür.

Sosyal bilimlerde niteliksel incelemeler aslında (ve ampirik araştırmaların gerisindeki orijinal mantık da) tümdengelimsel ve tümevarımsal süreçlerin birlikte kullanılmasını getirir.

Niceliksel analiz

Verilerin SPPS’e geçirilmesini analiz aşaması takip eder. Analiz, yöntemde belirlenen istatistik testi kullanılarak yapılır. Dolayısıyla analizde tasarıma sıkı sıkıya bağlı kalmak gerekir. Tasarım dışı bir analiz, ancak gerekçelendirilerek yapılabilir. Daha önce de belirtildiği gibi, hangi test daha iyi diye her testi kullanma veya birkaç test uygulama gibi “bulanık suda balık avlama” olmaz. İstatistiksel analiz amaçlı ve planlı bir araştırma tasarımının bütünleşik bir parçasıdır.48 İstatistiksel analiz, belli bir tasarıma göre toplanan verilerin (bilgi ve enformasyonun), aynı tasarımla belirtilen şekilde istatistiksel sürece tutularak, anlaşılabilir ve yorumlanabilir bir özetini çıkarmak için yapılır. Aksi takdirde, binlerce ham veri anlamlandırılamaz.

İstatistikleri bilmeksizin ve nasıl anlamlandırılacağı hakkında bilgiye sahip olmaksızın, niceliksel analiz yapılamaz. Tasarımın kapsamı ve sınırlarını bilmeksizin, güvenilir ve geçerli sonuçlar elde edilemez.49

48 Bu tür istatistik ve sosyal bilim bilgisinden, sonuç çıkartmadan ve

yorumdan yoksun “araştırmaya” örnek olarak TRT araştırmaları verilebilir. 49 SPSS ve benzeri istatistik paket programlarını bilmeyle istatistiği bilmeyi

karıştırmamak gerekir. SPSS kullanmak birkaç saat içinde öğrenilebilir. Fakat SPSS’de istatistik test yapabilmek için istatistik bilgisi ister.


PARAMETRİK VE PARAMETRİK OLMAYAN ANALİZ

İstatistik analizi tasarımın nüfusun dağılımı üzerinde varsayım yürütüp yürütmediğine göre, parametrik veya parametrik olmayan analiz olarak ayrılır.

Parametrik analiz, nüfusun/dağılımın normalliği varsayımıyla gelir; dolayısıyla, örneklemde katı kurallara göre hareket eder; sonuçta ise, bulgularını nüfusa genelleştirir.

Parametrik olmayan analiz nüfus hakkında hiçbir teorik varsayımda bulunmaz, nüfusun dağılımı ve özellikleri üzerinde durmaz. Betimleyici istatistikleri kullanır ve varyans analizi yapar.

Parametrik olmayan analiz için kullanılan testlerin her biri ancak belli ölçekler için geçerlidir. “Parametrik olmayan tasarımım var, analiz için herhangi bir parametrik olmayan testi kullanabilirim” düşüncesi yanlıştır. Değişkenlerin özelliklerine göre tasarıma uygun bir veri toplama yöntemi seçilmiştir. Bu yöntemin getirdiği ölçme seviyesine göre ve amaca uygun bir test seçilmesi gerekir. Keyfi olarak test seçmek doğru değildir.

Türkiye’deki seminerlerde, sempozyumlarda, kongrelerde, çeşitli bilimsel toplantılarda ve akademik dergilerdeki makalelerin bazılarında elde edilen araştırma sonuçları, yapılmaması gerektiği halde, nüfusa ve hatta evrene genelleştirilmektedir. Eğer örneklem temsili değilse genelleştirme yapılamaz. Hele evrene (örneğin dünyada yaşayan tüm kadınlara, öğrencilere, insanlara, metinlere) genelleştirme yapılamaz. Yapılabilmesi için, elde edilen sonuçla ilgili kuramsal varsayımın, her zaman, her yerde ve her koşulda yapılan araştırmalarda sürekli olarak desteklenmesi gerekir. Sosyal bilimlerde bunun olasılığı çok düşüktür.

Bazen temsili örneklem alınmakta, fakat örneklemin nüfusunun ötesindeki nüfusa genelleme yapılmaktadır. Örneğin, Ankara’yı temsil eden örneklemde elde edilen bulgular, diğer kentlere veya Türkiye’ye genelleştirilemez. Dolayısıyla, örneklem temsili olsa bile, araştırmanın tanımladığı nüfusun ötesinde de genelleştirme yapılmaz.


TASARIMIN AMACINA GÖRE ANALİZ TÜRLERİ

İstatistik yöntemleri tasarımın amacına göre üç türe ayrılabilir: (1) Betimleyici/tanımlayıcı (descriptive) (2) açıklayıcı ve (3) tahmin edici (inferential) istatistikler. İlk önce, bunlardan hangisinin kullanılacağına karar verilmesi gerekir. Bu karar da, araştırma tasarımının doğasına bağlıdır. Bunu da saptamak kolaydır: Eğer araştırma tasarımı bir fenomenin “ne ve nasıl” olduğunu öğrenme üzerinde kurulmuşsa, bu araştırma betimleyici/tanımlayıcı bir incelemedir. Eğer bir tasarım “nedenler” üzerinde inşa edilmişse, bu açıklayıcı bir incelemedir. Eğer tasarım nedensellik bağlarından hareket ederek “ön görüler” üzerinde kurulmuşsa, olasılıklı bulguyla bir şeyleri saptama peşindeyse, bu araştırma tahmin edicidir.

Betimleyici incelemenin bulgu sunumu ile açıklayıcı ve tahmin edici incelemenin bulgu sunumu arasında da farklar vardır. Örneğin, “bulgulara göre, bu sınıftaki öğrencilerin ortalama aylık gelir 2 milyon liradır” dendiğinde, “ne olduğunu” araştıran tanımlayıcı bir incelemenin bulgusu sunulmaktadır. “Bulgulara göre, bu sınıftaki öğrencilerin ailelerinin geliri, % 95 güvenilirlikle, ayda 120 milyon ile 180 milyon arasıdır” dendiğinde, olasılıklı ölçülere dayanan tahmin edici bir incelemenin bulgusu sunulmaktadır.

1. Betimleyici analiz

Betimleyici analiz, verileri özetleyerek değişkenleri tasvir etmek için yapılır. Toplanan veriler niteliksel ve niceliksel olabilir. Araştırmacı veri yığınlarını tanımlar; özetler ya da anlaşılabilir bir biçime indirger. Eğer inceleme, sonuçları belli bir nüfusa genelleştirmeyi amaçlıyorsa, betimleyici analiz, nüfus hakkında yorumlar çıkarmak ve özelliklerini belirlemek için kullanılan kuramsal varsayımlara dayanır.

Betimleyici analizle frekans dağılımları, merkezi yönelim, değişme (merkezden uzaklaşma), değişkenler arasındaki ilişkilere bakılarak değişkenlerin ve değişkenler arası bağın karakteri ve özellikleri açıklanır.


Çeşitli verileri değerlendirmede ilk adım betimleyici analizdir. Betimleyici istatistikler veri türlerinin çoğunu değerlendirmede ilk adımdır. Eğer veriler isimsel veya kademeli ölçmeyle elde edildiyse, betimleyici istatistik ötesinde bir istatistik kullanılmaz. İsimsel ve kademeli ölçmede betimleyici analiz ilk ve son adımdır. Örneğin; 50 tane armut, 100 tane elma, 54 tane pırasa ya da “laiklik” satan gazetenin tirajı 50; “dini usullere göre kesilmiş et” ve "öbür dünyada saadet" satan gazetenin tirajı 1400; "türbanlı, kurbanlı, Kuran’lı ve ColaTurka’lı muhabbet" satan gazetenin tirajı 5500. Bu ölçmelerle, başka bir test yapamayız. Ancak bu ölçmeleri sıralar, grafikle veya tabloyla sunar, dayandığımız kurama göre yorumlar yapabiliriz. Bu durum, gene açıkça, istatistiğin bir araç olduğunu, anlamlı sonuçlar çıkarmanın ancak sosyal anlamlılık taşıyan ve kuramsal bağ kuran tasarımla olabileceğini göstermektedir.

Tanımlayıcı analizde, ölçme eğer isimsel ve kademeli seviyede yapılmışsa, frekans analizi yapılır; gerekirse histogram kullanılır. Eğer aralıklı ve oranlı seviyede yapılmışsa, merkezi yönelim analizine dayanan (ortalama, ortanca, orta nokta, varyans) testler yapılır. Örneğin:

Hipotez: Televizyon seyretme yoğunluğuyla sosyal ilişkilerden kopma arasında ilişki vardır.

Hipotez: Kadın mecmularında sunulan kadın özgürlüğü fikriyle, bu özgürlüğün ifadesi olarak moda ve kozmetik endüstrilerinin mallarını tüketme arasında ilişki vardır.

Birinci hipotezde televizyon seyretme yoğunluğu günde kaç saat olarak ölçülürse, bu seviyedeki (oranlı) ölçmeyle ilgili tanımlayıcı istatistik merkezi yönelim istatistiğidir. Bu veri ile frekans analizi yapılamaz. Yapılabilmesi için bu verinin gruplandırılması gerekir.

İkinci hipotezde tüketim yönelimi önde gelen dört kozmetik ürün arasındaki tercih olarak ölçülsün. Bu seviyedeki (isimsel) ölçmeyle frekans dağılımına dayanan testler yapılır. İsimsel seviyede merkezi yönelim testi yapılamaz.


Betimleyici istatistikler değişkenlerin özellikleri üzerinde tek tek durduklarında, kullanılan ölçeğin karakterine bağlı olarak, frekans dağılımları belirlenir; histogramlar sunulur; merkezi yönelim ölçüleri veya değerlerin merkezde toplanması yönelimi (ortalama, orta nokta, tarz\mode, dağılımın şekli) saptanır.

Değişkenler arasındaki ilişkinin varlığını araştıran incelemeler de betimleyici inceleme kategorisine girerler. Bazen bu tür incelemeler, ikinci bir kategori olarak sunulur ve “açıklayıcı” araştırma olarak isimlendirilir. Aslında, hem betimlemeyle hem ilişki analiziyle yapılan incelemeler “bir şeyi açıklamak” için yapılmaktadır. Betimleyici incelemede, “bir değişkenin ve değişkenler arası ilişkinin ne olduğunu” açıklama ötesine gidilmez. Örneğin, üniversiteyi kazanan gençlerin aldıkları puanlar ile ailelerinin sosyo-ekonomik seviyeleri arasında bir ilişki olup olmadığını belirlemek için yapılan bir araştırma betimleyici bir araştırmadır. Araştırmanın amacı ilişkinin varlığını (olup olmadığını) belirlemek için yapılmaktadır. Bu tür incelemede, örneğin, contingecy tablosu chi-square dağılımı ve contingency coefficient veya Pearson betimleyici istatistik testi olarak kullanılabilir.

2. Açıklayıcı ve tahminsel analiz 50

Açıklayıcı analiz sadece ne olduğuyla ilgili özelliklere eğilmez; aynı zamanda neden olduğu üzerinde durur; özelliklere ve ilişkilere bakarak, nedenleri açıklar ve ilerisi için veya belli koşullar için belli tahminlerde bulunmayı olası kılar.

Tahminsel (inferential) analiz, örneklem olarak seçilen verilere dayanarak, o örneğin, seçildiği nüfusun özellikleri hakkında olasılıklı tahminde bulunmak için tasarlanır. Olasılıklı tahminde bulunma olasılık kuramından hareket ederek yapılır. Olasılık kuramı rastlantı kanununa dayanır. Örneğin, bir parayı 100 kez havaya atarsak, tura veya yazı gelme olasılığı % 50’dir. Eğer bir zarı atarsak, zarın rakamlarından birisinin gelme olasılığı bir bölü altıdır: 1/6 = 0.17. Bu nedenle, tahminsel/sonuç çıkarıcı veri analizi için olasılıklı karar

50 Her ikisini “sonuç çıkarıcı analiz” olarak nitelemek daha uygun.


vermeyi gerektiren araştırma tasarımı yapmak gerekir. Bu karar verme, yukarıda anlatılan her türlü tanımlayıcı analizi de içerir: örneğin, ortalama, oran, frekans dağılımı ve kayma gibi.

Bu tür analiz, seçilmiş bir örnekten nüfusa genelleştirme yapan varsayımlar temeline dayanır; olasılık ve olasılık dağılımı kullanır; nüfusun normal dağılımı varsayımına dayanır. Normal dağılım kuramsal dağılımdır. Bu dağılım mükemmel olandır ve gerçek hayatta çok zor bulunur. Gerçek hayatta iki veya çok tarzlı ve pozitif veya negatif yöne kaymış dağılımlar vardır.

Tahminsel (sonuç çıkarıcı) veri analizi için olasılıklı karar vermeyi gerektiren araştırma tasarımı yapmak gerekir. Bu karar verme her türlü betimleyici analizi de içerir: örneğin ortalama, orantı ve varyans. İstatistiksel tahmin betimleyici istatistik ile olasılık kuramını birleştirir; rastlantılı seçilen örnekten hareket ederek nüfusun karakteristikleri hakkında bilgi edinmeyi amaçlar. Elbette, amaç sadece bir değil iki nüfus arasındaki farklılıkları veya benzerlikleri anlamak olabilir. Hatta incelemeye birden fazla değişkenler katılabilir.

Sonuç çıkarıcı istatistiklerde ya mesafe tahmini-hesabı (interval estimation) yapılır ya da hipotez test edilir. Hipotez testinde kullanılan istatistikler aynı zamanda mesafe tahmini hesabıyla ilgili bilgileri de verir. Araştırmacı belirlediği amaca göre hangi sonuç çıkarıcı istatistikleri kullanacağına karar verir.

Mesafe tahmini (interval estimation): Mesafe tahmininde, tek bir noktanın hesabı (örneğin, ortalama veya orta nokta) yapılır. Mesafe tahmini-hesabı sonucunda mesafe belirten iki rakam elde edilir. Örneğin, .25 ile .45. Bu .25 ile .45 arası mesafeye güven aralığı (confidence interval) denir. .25 ve .45 alt ve üst güven sınırlarıdır. Güven sınırı belli bir anlamlılık seviyesinde (örneğin % 5 seviyesinde) tahmin için alt ve üst sınırı belirler. Güven aralığı bu hudut içindeki mesafedir. Bu mesafe hesaplanmasında, aynı zamanda güven katsayısı (confidence coefficient) belirlenir. Güven katsayısı güven mesafesi tahmininde olasılık ölçüdür. Örneğin, Ankara nüfusundan 2500 ev kadını inceleme için seçilsin. İnceleme sonucunda bu kadınların günde ortalama 2.5 saat pembe dizi seyrettiği, güven


mesafesinin -.25 ve +.25 olduğu bulunsun. Güven katsayısı da % 95 olarak belirlensin. Bu bulgulara göre, Ankara’daki ev kadını nüfusunun pembe dizileri izlemede günlük ortalamaları, % 95 olasılıkla 2.25 ile 2.75 saat arasındadır. Dikkat: Nüfusun % 95’i bu araya düşecek anlamı çıkartılmamalıdır.

Sonuç çıkarıcı istatistik: Etlikte çocukların ortalama tv izlemeleri % 99 güvenilirlikle 2.5 ile 3.5 saat arasındadır. Burada, her bir çocuğun % 1 yanılgıyla 2.5 ile 3.5 saat tv izledikleri sonucu çıkartılmaktadır.

Betimleyici: Nimetler mahallesinde yaşayan insanların ortalama geliri ayda 500 milyondur.

Betimleyici: İncirlik ilköğretim okulundaki öğrencilerin % 56’sının öğle yemeği yiyecek harçlığı yok. (Ama Ankara’ya gelen turist sayısı artınca, turizmle kalkınacakmışız, onların da cebine para girecekmiş.)

Betimleyici: İletişim Fakültesinde sigara içen öğrencilerinin % 85’i kitap satın alma yerine sigara satın almayı tercih etmektedir. (Kitap okumak engellenmişlikleri doyurucu değilmiş).

Sonuç çıkarıcı: Yüzde 95 güvenirlilikle aynı mahallede ortalama aylık gelir 425 milyon ile 575 milyon lira arasıdır.

Sonuç çıkarıcı: Bulgularda görüldüğü gibi, % 95 eminiz ki % 50 ile % 65 arası İncirlik ilköğretim okulu öğrencilerinin cep harçlığı yok.

Hipotez test etme: Hipotez kullanılarak yapılan sonuç çıkarıcı istatistikte yapılan şey, örneklem ortalamaları arasında fark olmadığını söyleyen yokluk hipotezini kabul veya reddetmek için karar vermektir.

Hipotez testinde, tasarıma göre çeşitli istatistikler kullanılır. Örneğin, tek örneklem grubunun ortalamasını hesaplayarak, bir standartla karşılaştırmak için T-testi yapılabilir. Ya da varyansı ölçü alarak tek-yönlü varyans analizi (anova) yapılabilir. Aynı grup içinde öncesi ve sonrası testiyle merkezi yönelim farkı aranabilir. İki ayrı grup arasındaki merkezi yönelim farkı bulunmak istenebilir. Tahmin veya model test etmek için Regrasyon analizi yapılabilir. Bunlar parametrik istatistik testleridir ve rastlantılı örnekleme, normal dağılıma ve mesafeli ölçeğe dayanırlar. Çoğu, hipotez testi tasarımıdır.


Tahminsel analizde karar verilirken, araştırmayı geçersiz yapan, iki tür hata yapılabilir:

Tip I Hata: Bir ilişki olmadığı halde ilişki olduğuna karar vermeyle yapılan

hatadır. Bir diğer deyişle, kabul edilmesi, gereken yokluk hipotezini reddetmekle yapılan hatadır. Tip I hata anlamlılık seviyesiyle ilgilidir: Anlamlı bir fark olmadığı halde, test sonucu çıkan farka bakarak yokluk hipotezi reddediliyor. Anlamlı ilişkiye karar vermek için sosyal bilimciler çoğu kez % 5 seviyesini karar seviyesi olarak belirlerler: Eğer bir ilişkinin sadece şans olması için % 5 veya % 5’den daha az şans varsa, ilişkinin varlığı kabul edilir; yani, ilişki olmadığı yokluk hipotezi reddedilir. Tip I hata olasılığı anlamlılık seviyesini düşürdükçe (örneğin 0.01 veya 0.001) azalır.

Anlamlılık testi sayım ve tesadüfi/rastlantısal olmayan örneklem için uygun değildir, çünkü anlamlılık testi rastlantılı örnekleme dayanan Tip I hata ile ilgilenir. Sayım için, ölçme hatası dışında, ne kadar az olursa olsun her ilişki gerçektir. Rastlantılı olmayan örneklemden tahminler yapmak isteyebiliriz, fakat bu mümkün değildir. Buna rağmen, “nasıl oluyor da araştırmalarda anlamlılık seviyesi rastlantısal olmayan araştırmada rapor edilmektedir?” Aslında, bu tür araştırmada tablonun altına şu not düşülmelidir: Bu inceleme rastlantılı olarak verileri toplamadığı için, anlamlılık testi tahmin arayan, nedensellik bağları kuran analiz için uygun değildir. Fakat araştırmada anlamlılık testi sosyal bilimlerde rastlantılı olmayan verilerin betimleyici analizinde yaygın kullanıldığı için keyfi bir kriter olarak kullanıldı.”

Tip II hata: İlişki olduğu halde, ilişki olmadığına karar vermeyle yapılan hatadır.

Reddedilmesi gereken bir yokluk hipotezini kabul etmektir. Tip II hata ilişkinin gücüyle ilişkilidir. Güç = 1 – q (q = Tip II hata yapma olasılığı) olarak ifade edilir.

Hipotez testinde teorik olasılığa göre ya yokluk hipotezi doğrudur ya da alternatif hipotez. Test sonucunda ya yokluk hipotezi kabul edilir ya da reddedilir. Teorik olasılık ile karar arasındaki ilişkide dört bağ vardır (Tablo 7):


Tablo 7. Hipotez testinde kararla ilgili sonuçlar

Teorik Olasılık

H0 Doğru H1 Doğru

Karar

H0’yu red

Tip I hata (Olasılık = α

Doğru karar (olasılık= 1-β)

H0’yu kabul

Doğru karar Olasılık =1 -α)

Tip II Hata (olasılık =β)

α = tip I hata yapma olasılığı β = tip II hata olasılığı.

Küçük anlamlılık seviyesi seçme (örneğin 0.001) tip II hata yapma olasılığını artırır ve testin gücünü azaltır. Tasarımın doğasına göre, araştırmacının iki tip hatadan birini azaltmaya karar vermesi gerekir. Karar çoğunlukla % 5 anlamlılık seviyesi yönünde olur. Açıklayıcı (nedensellik) incelemede % 5 üzerinde anlamlılık seviyesi sosyal bilimlerde kabul edilmez. Keşif tasarımında kabul edilebilir.

Güç, örneklem sayısı ve α (= doğru bir yokluk hipotezini reddetme olasılığı) arttıkça, 0.01’den 0.05’e çıkınca, artar. Örneklem sayısı ve α seviyesi araştırmacı tarafından kontrol edilebilir.

DEĞİŞKEN SAYISINA GÖRE ANALİZ TÜRLERİ

Analiz çeşitleri, kullanılan değişken sayısına göre tek-değişkenli, iki değişkenli ve çok değişkenli analiz olarak ayrılır.

Tek değişkenli analiz: Bir değişkenin kendi içindeki dağılımının incelenmesidir. Bu

analizde frekans, oran, yüzde, averaj, tarz\mode, varyans, standart sapma (standard deviation) gibi testler yapılır. Elbette hangi testin kullanılacağına önceden araştırma tasarımında karar vermek gerekir. Örneğin, “güzel görünümü” veya “uyumlu olduğu” ya da “hoşa gittiği” için test yapılmaz. Buna örnek olarak üniversiteye giriş puanlarına


göre öğrencilerin okullara dağılımı verilebilir. Bu dağılım en azdan çoğa doğru sıralanabilir. Böylece hangi okulların hangi puanları alanları kabul ettiği çıkartılır. Ankara’daki okullardan mezun olanların aldıkları puanların ortalamasını alarak Ankara için bir “başarı indeksi” yapılabilir. Bunu diğer kentlerde de yaparak, kentlerin “başarı indeksleri” çıkartılabilir. Buna standart sapmayı da ekleyerek, ortalamadan ne kadar saptığı belirlenebilir.

İki değişkenli analiz: Araştırma tasarımına göre, iki değişken arasındaki korelasyonun

(=ortak ilişkinin) veya nedensellik ilişkisinin özelliğine eğilir. Bu analizi yapmak için uygun istatistik testinin kullanılması gerekir. Bu testin ne olduğunu belirleyen X ve Y değişkenlerinin ölçme seviyesidir. İsimsel veya kademeli olarak ölçülmüş değişkenler arası ilişki testinde ki-kare (chi-square) dağılımına dayanan istatistikler kullanılır. Eğer değişkenlerin ikisi de mesafeli ölçekle ölçülen değişkenlerse, o zaman en uygun ilişki testi “pearson product moment correlation” testidir.

Çok değişkenli analiz: İkiden fazla değişken kullanılarak yapılan analizdir. Bu analiz

amaca uygun yapılan tasarıma göre çeşitlilikler gösterir: Örneğin bir bağımlı değişken ve birden fazla bağımsız değişkenle yapılan çoklu ve logistic regrasyon analizi olabilir. çok değişkenli varyans analizi (MANOVA), küme analizi (cluster analysis), faktör analizi, çoklu ayırt edici analiz (multiple discriminant analysis), asal analiz (canonical analysis), patika analizi ( path analysis), çok yönlü ölçekleme (multidimensional scaling) gibi örnekleri vardır.

BÖLÜM VI

TEK DEĞİŞKENLİ ANALİZ

Tek değişkenli analiz bir değişkenin (örneğin cinsiyetin, yaşın, eğitim seviyesinin) dağılımı hakkında bilgi edinmek için yapılır. Tek değişkenli analiz bir değişkenin kendi içindeki dağılımına bakar. Aranan şey, o değişkeni oluşturan öğeler hakkında bilgi toplamaktır. Bu analizde hangi istatistiğin kullanılacağı, ölçme seviyesine ve değişkenin nasıl kullanıldığına bağlıdır (Şekil 10).

Şekil 10. Tek değişkenin ölçme seviyesine göre analizi

• Ölçme seviyesi isimsel ve kademeli ise, frekans dağılımıyla gelen testler kullanılır. Örneğin, cinsiyetin yüzde olarak dağılımı.

• Ölçme seviyesi oranlı veya mesafeli ise, merkezi yönelim ve merkezi dağılımın doğasıyla ilgili testler kullanılır. Örneğin alınan notla ilgili ortalama bilinmek istendiğinde.

• Eğer oranlı veya mesafeli ölçek gruplandırılırsa, o zaman frekans analizi yapılır. Örneğin eğitim seviyesiyle ilgili karşılaştırma.

Dolayısıyla (a) frekans dağılımı ve (b) merkezi yönelim dağılımı olmak üzere iki tür dağılıma göre istatistik analizi yapılır.

Tek değişkeni ölçme seviyesi

Mesafeli veya Oranlı İsimsel veya Kademeli

Frekans Analizi (sayı, yüzdeler)

Grup

Merkezi Yönelim (ortalama, orta nokta)

Sayısal

Dağılım Analizi

Tek Değişkenli Analiz 288

FREKANS DAĞILIMI VE ÖLÇÜLERİ

Frekans demek bir şeyin kaç kez tekrarlandığı demektir. Bu tekrar sayı ve yüzde olarak ifade edilir. İsimsel ve kademeli seviyede ölçme yapıldığında veya sayısal değişken gruplandırıldığında, frekans dağılımı ölçüleri kullanılır. Tablo 8 sigara kullanım değişkeniyle ilgili frekans dağılımı örneği vermektedir. (N = istatistiğe katılan sayı)

Tablo 8. Sigara kullanımı dağılımı (N=1318)

Sayı % Sigara içmeyenler Bazen içenler Her gün içenler

864 36

418

65.6 2.7

31.7

Yukarıdaki bulgu sunulurken, yüzdeler kullanılır ki böylece okuyan karşılaştırma yapabilsin.

Frekans dağılımı sunumunda önemli birkaç noktaya dikkat etmek gerekir: Örneğin, 50 kişiyle yapılan bir araştırmada, kişi sayısı yerine yüzde vermek doğru değildir. Kişilerin sayısı verilmelidir. Küçük sayılarla elde edilen büyük yüzdeler veya yüzde değişmeleri oldukça yanıltıcı olabilir. Benzer şekilde, eğer çok büyük sayılar söz konusuysa, bu sefer de, büyük sayıların küçük yüzdeleri veya yüzde değişmeleri de yanıltıcı olabilir. Yüz kişi arasındaki yüzde on işsizlikte, işsizliğin yüzde elli düşmesi demek 5 kişinin iş bulması demektir. On milyon kişi arasındaki yüzde on işsizlikte, işsizliğin yüzde elli düşmesi demek yarım milyon insanın iş bulması demektir. Bu nedenle, çok küçük sayılarda (100’den az olan) yüzde vermemek gerekir.

Ayrıca yüzde olarak hesaplamada, hesaba katılanın ne olduğunu bilmek gerekir. Özellikle sosyal istatistiklerde, aynı konuda her yıl başka ölçütlere dayanan istatistik yapıldığında, karşılaştırma yanlış sonuç verir. İşsizlik bir yıl 20 yaşından büyükleri katıp hesaplandıysa ve sonraki yıl başlangıç olarak 18 yaş alındıysa, işsizlik yüzdesinde çoğalma olacaktır. Eğer işsizlik az gösterilmek istenirse, önceden hesaba katılan bazı gruplar şimdi hesap dışı bırakılır. Enflasyon


hesabında da aynı şekilde kasıtlı veya bilmeden yapılan yeni faktör ekleme veya çıkarmalarla, bir önceki hesaplama sonucundan çok farklı olan sonuç çıkartılabilir: Enflasyon birden bire azaldı görünür.

Frekans dağılımında en çok kullanılan istatistik yüzdelerdir. Bunun yanında, amaca uyuyorsa, “çeyrekler”, “eşit gruplar için kesme noktası” ve “belirlenen yüzdeler” kullanılabilir.

“Çeyrekler,” eğer % 25, % 50, % 75’inci noktalardan aşağı veya yukarı veya bu noktalar arasındaki değer aranıyorsa kullanılır.

Eşit gruplar için kesme noktası, eğer örneklemi eşit sayıdaki gruplara ayıran değerler bulunmak isteniyorsa kullanılır.

MERKEZİ YÖNELİM VE ÖLÇÜLERİ

Araştırmacının amacı nüfusun karakteri hakkında bilgi veren tipik değeri veya merkezi değeri bulmak olabilir. Bu bağlamda, tanımlayıcı istatistiklerde kullanılan en yaygın ölçü merkezi yönelimin belirlenmesi ve buna dayanan istatistiklerdir. Merkezi yönelim ölçümünde araştırmacının ilgisi orta noktayı bulmaktır. Orta nokta, bir değerin etrafında toplanmayı anlatır.

(a) Araştırmacı belli değişkenlerde ortak, tipik, en çok tekrarlanan karakterleri arayabilir. Diğer bir deyişle, araştırmacı bir değişkenin dağılımında orta noktayı arıyor olabilir. Örneğin, araştırma ortalama seyirci sayısı, ortalama izleme süresi veya izleyicilerin genel yönelimleri veya turistlerin genel tercihleri gibi sorulara yanıtlar arıyorsa, o zaman merkezi yönelim ölçüleri kullanılır.

(b) Araştırma bir grubun normal olarak belirlenen bir yönelimden ayrılıp ayrılmadığını bulmak istediğinde de merkezi yönelim ölçüleri ve merkezden sapmayı işleyen istatistikler kullanılır.

(c) Araştırma sadece bir grup içindeki dağılım veya bir grubun normalle olan ilişkisini değil, iki grup arasındaki merkezi yönelim farkını bulmak istediğinde de merkezi yönelim ölçüleri kullanılır.

Merkezi yönelimde en çok kullanılan “tipik değer” istatistikleri ortalama, orta-nokta ve tarzdır (mode).


Ortalama (mean)

Ortalama, incelemede deneklerin verdiği cevap değerleri toplanıp ve denek sayısına bölünerek elde edilen sayıdır. Ortalama alabilmek için ortalamaya izin verecek ölçme seviyesinin olması gerekir: Ortalama ancak mesafeli ve oranlı ölçeklerde kullanılır. Örneğin, okulda halkla ilişkiler bölümünde yapılan incelemenin bulgularına göre, bu sınıfta ortalama yaş 20; ortalama üniversiteye giriş puanı 456; çalışarak kazandıkları ortalama aylık gelir ise beş liradır.

Eğer dağılımda birkaç uç değer varsa, ortalama bu uç değere doğru çekilir; buna kaymış dağılım denir. Eğer dağılım çok fazla bir yana kaymışsa, şu çözümlerden biri kullanılır: (a) ortalama kullanmaz; onun yerine orta-nokta kullanılır; (b) ortalama uç değerler katılmayarak alınır (trimmed mean kullanılır); (c) “trimean” denen yöntem kullanılır.

Yukarıda verilen örnekte öğrencilerin çalışarak kazandıkları aylık gelirlerin ortalama beş lira olduğu belirtildi. Bu bulguda ortalamanın yanlış yönlendiriciliği ortaya çıkmıştır: Çalışan birkaç öğrencinin geliri çalışmayan büyük çoğunluğun koşulunu gizlemektedir. Bu “yanlış yönlendirici” sonuca ekonomide klasik örnek birkaç ailenin toplumun zenginliklerinin çoğunluğunu aldığı Küveyt’tir: Kuveyt’teki gelir dağılımı ortalamasına göre, ülkede herkes zengindir. Dolayısıyla, ortalamayı kullanırken çok dikkat etmek gerekir. Uç değerlerin varlığına ve dağılımın şekline bakmak gerekir.

Ortalama için İngilizcede “M” ve Türkçede “O” harfi kullanılır: M = 3.

Ortanca/Orta Nokta (median)

Ortanca, grubun ortada olan değeridir. Eğer deneklerin toplam sayısı tek ise, değerler küçükten büyüğe doğru sıralandıktan sonra en ortadaki değer ortanca değeri oluşturur (Tablo 9).

Tablo 9’da 9 denekli incelemede deneklerin “kaç saat televizyon seyrettiklerine” verdikleri cevaplar azdan çoğa doğru sıralanmış. Ortanca soldan beşinci olandır, yani 3. Eğer ortalama alınsaydı, değer 4 olacaktı. Tablo’daki 10 denekli incelemede, dağılımın ciddi şekilde yana yatması nedeniyle, ortalama 10.6 çıkmıştır.


Tablo 9. Ortalama, ortanca ve tarz örneği

Verilerin sıralanması N=9 (tek sayı)

2, 2, 2, 2, 3, 3, 4, 8, 10

Ortanca 3 Ortalama 4

Tarz (mode) 2 Verilerin sıralanması N=10 (çift sayı)

2, 2, 2, 2, 3, 3, 4, 8, 10, 70

Ortanca (3 + 3)/2 = 3 Ortalama 10.6

Tarz (mode) 2

Ortanca, minimum ölçme seviyesi olarak en az kademeli ölçek gerektirir; yani isimsel ölçmede ortanca (orta nokta) olmaz. Ortanca, dağılımın normal olmadığı, yani bir yana kaymanın çok olduğu koşullarda kullanılır. Örneğin, yukarıda ortalamanın 10.6 çıktığı örnekte dağılımda pozitif kayma vardır, dolayısıyla ortanca kullanmak daha doğrudur.

Tarz (Mode)

Tarz, dağılımda en çok tekrarlanan değerdir. Yani bir dağılımda 2 tane 2; 3 tane 5; 17 tane 4 varsa; 4 en çok tekrarlanan olduğu için o tarzdır (mode). Örneğin, Türkiye’de köydeki kadınların veya üniversite öğrencilerin gelirinin dağılım tarzı (mode) büyük ihtimalle sıfırdır, çünkü çoğunun hiçbir geliri yoktur. Bir dağılımda birden fazla tarz olabilir. Tarz kullanımı da, örneğin gelir dengesizliklerini yüksek olduğu yerde kullanılmalıdır; yoksa, kişi başına düşen gelir yüksek çıkar; bu istatistiğe bakan da refah var sanır, insanlar sefillik içinde yaşarken.

Merkezi yönelim olarak isimsel ölçekte sadece “tarz” kullanılabilir. Kademeli ölçekte tarz ve ortanca (median) kullanılabilir. Nicel ölçeklerde hepsi de kullanılabilir.


DAĞILIMDA YAYILMANIN VE DEĞİŞKENLİĞİN ÖLÇÜLERİ

Araştırma eğer merkezi değeri bulmak yerine, merkezden uzaklaşmayla ilgileniyorsa, o zaman yayılma ölçülür. Yayılma değişkenliği gösterir. Yayılmanın (dispersion) veya değişkenliğin (variability) ölçümünde ilgi, orta noktadan ne kadar uzaklaşıldığıdır. Örneğin, bir öğrencinin notunu tüm sınıfın dağılımıyla karşılaştırmak isteyebiliriz.

Temel soru şudur: Merkezi yönelimden sapmalar ne kadardır ve bu değişkenlik istatistiksel bir anlama sahip midir? Bu değişkenliği nasıl anlamlandırabiliriz?

Yayılma merkezi yönelim ölçmelerinden önemli bilgi verir, ama istatistikle ilgili yeterli bilgisi olmayanları yanlış sonuçlar çıkarmaya da yönlendirebilir.

En karmaşık istatistiksel analizlerde bile aranan, belirsizliği azaltmak (değişkenliği ölçmek), açıklamak ve hesaba katarak tahminde bulunmaktır. Eğer değişme bilinirse (örneğin, “neden A üzerinde farklılıklar var ve bu farklılıkların ölçüsü ne?” sorusuna cevap verilirse), o zaman olasılıklara bağlı olarak değişkenlik kontrol edilerek, belirsizlik ortadan kaldırılabilir.

Dolayısıyla, değişkenlik (variability) belirsizliktir. Değişkenliği ölçme yoluyla, belirsizlik ölçülmekte ve açıklanmaktadır.

Görece Ölçüler

Aralık (range) Çeyrek sapma Ortalama sapma Varyans Standart sapma Lorentz eğrisi

Yayılma Ölçüm türleri

Absolut Ölçüler

Aralık katsayısı Çeyrek sapma katsayısı Ortalama sapma katsayısı ortalama varyans katsayısı


Dağılımın Aralığı/Genişliği (range)

Dağılımın aralığı/genişliği ölçüsü en temel bilgiyi veren basit bir ölçüdür: Elde edilen en küçük değer ile en yüksek değer arasındaki uzaklığı anlatır. İki tür dağılım genişliği biçimi vardır: Dışarıda bırakan ve katıcı. Dışarıda bırakanda, dağılım genişliği en küçük değerden en büyük değere olan uzaklıktır.

Örneğin: Tablo 9’da ilk satırda, dağılım genişliği= 10 – 2 = 8’dir;

Tablo 9’da, N = 10 örneğinde ise, dağılım genişliği 70 - 2 = 68’dir.

Katıcı dağılım genişliğinde örneğin, N=10 örneğinde, gerçek değer 1.5 ile 2.5 arası ve en yüksek gerçek değer 69.5 ile 70.5 arasıdır. Dağılım genişliği ise 70.5 - 1.5 = 69’dur. Dağılımın geniş olması ya değişkenliğin fazla olduğunu ya da bir yana haddinden fazla kayma olduğunu (uç değerlerin olduğunu) anlatır. Bunlardan hangisinin olduğu ancak diğer değerlere bakılarak anlaşılabilir. Bu nedenle “genişlik” oldukça kaba bir dağılım ölçüsüdür: çünkü sadece en fazla ve en az değeri ele alıp ölçme yapıldığında ara değerlerdeki dağılımın özellikleri ortadan kalkmakta ve önemini yitirmektedir. Örneğin: 1, 2, 3, 4, 5, 6, 7, 8, 9, 10 dağılımında katıcı dağılım genişliği 10.5 - 0.5 = 10’dur. Dağılıma bakınca eşit olarak dağıldığı görülür. Bir diğer örnek: 1, 5, 5, 5, 5, 5, 5, 5, 5, 10. Bu dağılımda 1 ve 10 dışındaki değerler orta noktada toplanmışlar. Fakat dağılım genişliği değeri yine 10’dur.

Çeyrek Sapma ve Çeyrekler Arası Aralık

Dağılımda çok sayıda değerler olduğunda kullanılabilen bir yayılma ölçüsüdür. Çeyrekler arası veya bunların yarısı olan yarı çeyrekler arası genişlik da şu şekildedir:

ÇY (Çeyrekler arası yayılma) = Ç3 - Ç1 (Ç3 = üçüncü çeyrekteki değer ve Ç1 = birinci çeyrekteki değerdir) Örneğin, yukarıdaki örnekte birden ona kadar olan eşit dağılımda, Ç3 = 7 ve Ç1 =2’dir. Çeyrekler arası dağılım genişliği 7 - 2 =5’dir.

Bu ölçümler uç değerler tarafından etkilenmezler. Fakat ortalama etrafındaki yayılmayı açıklamaz, sadece ölçekteki uzaklıkla ilgilidir.


Ortalama Sapma

“Değerlerin ortalamadan, ortancadan veya tarzdan sapmalarının ortalaması” olarak tanımlanır; Ortalama sapma yerine, çoğu kez standart sapma kullanılmaktadır.

Dağılımda Değişkenlik: Varyans

Yayılmanın çok kullanılan türü değişkenlik ölçüsüdür. Değişkenlik, değerlerin ortalamadan uzaklığı demektir ve dağılımın heterojenliğini tanımlar. Örneğin, N=100 olan bir incelemede, tüm değerler 4 olursa, ortalama 4 olur ve “sapma” sıfır olur. Dağılım heterojen oldukça, “değer - ortalama” farkı da artar.

Varyans değerinin yüksek olması dağılımın heterojenliğine, düşük olması da homojenliğine işaret eder. Herkesin çalışkan olduğu bir sınıfta ders notlarına bakıldığında, varyans değerinin ortalamadan fazla ayrılmadığı görülür. Aylaklarla dolu olan bir sınıfta hem ortalama düşüktür hem varyans. Bu durum, tembellik kültürünün egemenliğinin bir göstergesidir: Birkaç uç istisna dışında, herkes tembellik yarışında olduğu için, değerler düşüktür ve birbirine yakındır.

Standart Sapma (standart deviation)

Standart sapma en yaygın ve güvenilir yayılma/değişkenlik ölçüsüdür. Standart sapma değeri, tipik bir değerin, ortalamadan ne kadar uzakta olduğunu ifade eder. Bu da, dağılımın doğasıyla ilgili daha somut bilgi elde edilmesini sağlar. İstatistikte, ortalama merkezi yönelim olarak kullanıldığında, yanında standart sapma da verilir; çünkü sadece orta noktanın değil, aynı zamanda bu noktadan tipik sapmanın da yorum için bilinmesi gerekir. Homojenlik ve heterojenlikle ilgili açıklama yapılırken varyans değil, standart sapma kullanılır: Standart sapma azaldıkça dağılımda homojenleşme olur; sapma arttıkça heterojenlik artar. Standart sapma aynı zamanda dağılımla ilgili olarak betimleyici ve tahmin edici bilgi elde etmemizi sağlar. Normal bir dağılımda, değerlerin yaklaşık % 68’i ortalamadan 1 standart sapma uzaklıktadır; % 95’i iki standart sapma uzaklıkta ve % 99.1’i üç standart sapma uzaklıktadır. Örneğin, bir grup içinde


ortalama aylık gelir 52 lira ve standart sapma 5 lira ise, nüfusun % 68’inin geliri, (ortalamadan eksi 5) 47 lira ile (ortalamadan artı 5) 57 lira arasına düşer. İki standart sapmada nüfusun % 95’inin geliri 42 ile 62 lira arasındadır. Standart sapma, “ss” ve İngilizcede “sd” ile yazılır.

Bazen, örneğin, üniversite sınavına girmiş bir öğrencinin puanı, bütün diğer değerlerin standart sapma içindeki pozisyonlarına göre nereye düşer? Bu bilgi, (Ali’nin aldığı not) karşılaştırma için önemlidir.

Lorenz Eğrisi

Yayılmayı grafikle gösteren Lorenz eğrisi birikimli/cumulative yüzde eğrisidir. Örneğin, grafik olarak gelir, kar ve mülk gibi faktörlerin yüzdelerini gösterir.

DAĞILIMIN ŞEKLİ VE ÖLÇÜLERİ

Dağılımın şeklinin bilinmesi araştırmacıya ek bilgi vererek doğru sonuçlar çıkartmasını sağlar. Kuramsal olarak normal dağılım vardır; fakat dağılım herhangi bir yana doğru kaymış olabilir. Kaymanın olma olasılığı insan ve toplumla ilgili her şeyde normal dağılım olma olasılığından çok daha fazladır. Dağılımda değişkenliğin az olması ölçülen değişkendeki değerlerin birbirine çok yakın olması demektir. Bu durumda dik bir dağılım vardır. Değişkenliğin yüksek olması değerlerin birbirinden çok uzak olması demektir. Bu durumda dağılım yassıdır. Bu tür tek tarzlı dağılım yanında, dağılım iki-tarzlı da olabilir (Şekil 11). Her dağılımın kendi karakterine uygun anlamları vardır.

Tek tarzlı İki tarzlı Üç tarzlı

Şekil 11.Tarz dağılım türleri


Kayma (Skewness): Kayma, dağılımın “simetrisizlik” ölçüsüdür; dağılımın ne yöne ve ne kadar kaydığını gösterir. Simetrik dağılım demek, örneğin, 50 kişilik bir sınıfın not ortalaması 100 üzerinden 50 ise, sınıfın 25’i 50’nin altında 25’i de 50’nin üstündedir. Simetrik dağılımda kayma değeri sıfırdır. Değer sıfırdan ayrıldıkça kayma da artar. Pozitif kayma, ortalamanın üstünde az sayıda uç değerler olduğunu ve ortalamayı o yöne çektiğini anlatır. Örneğin, birkaç kişinin sınavda çok yüksek not aldığı ve çoğunluğun az aldığı durum böyledir.

Negatif kayma yukarıdaki örneğin tam tersi durumdur (Şekil 12)

Pozitif kayma Negatif kayma

Şekil 12. Kayma biçimleri örneği

Kurtosis: Dağılımın dikliği veya yassılığı demektir. Her dağılım yassı veya dik olabilir. Örneğin, tembellerin, orta seviyede çalışkanların ve çalışkanların çok olduğu bir sınıfın dağılımı yassıdır. Çoğunluğun 70-80 arası not aldığı bir dağılım diktir.

Mükemmel simetrik dağılımda, kurtosis değeri sıfırdır. Kurtosis değeri -2 ve +2 arası normal dağılım olarak kabul edilir. Pozitif sayı arttıkça dağılım dikleşir; negatif sayıda ise azaldıkça yassılaşır. Dik kurtosis (kurtosis değerinin küçük olduğu dağılım) alçak değişkenlik demektir; yassı kurtosis (değerin büyük olduğu dağılım) yüksek değişkenlik anlamınadır (Şekil 13).

Yassı kurtosis Dik kurtosis

Şekil 13. Kurtosis örnekleri

BÖLÜM VII

İKİ DEĞİŞKENLİ ANALİZ

İki değişkenli analiz, değişkenlerin ikili karşılaştırılmasını içerir. Dolayısıyla, analizde ikiden fazla değişken olabilir; ama değişkenler arasında ikili karşılaştırmalar yapıldığı için, bu analize iki değişkenli analiz denir. Keyfi olarak iki değişken karşılaştırılmaz. Karşılaştırma için değişkenler arasında ilişki kuran bir hipotez olması gerekir. Hipotez olmazsa, ne zaman yaparsın? Bir pazar araştırmasında nicel çokluğun/azlığın nerelere düştüğünü ve genel yönelimin ne olduğunu bularak, şirketin politikasına yardım etmek için yaparsın.

İlişki doğrusal (linear) olabilir, olmayabilir (non-linear) veya kavisli (curvilinear) olabilir. Doğrusal ilişki biri artarken diğeri artan veya azalan ilişkidir. Doğrusal olmayan ilişki örneğin belli bir yaşa kadar kişinin 100 metreyi koşma hızı saniye olarak azalır ve ardından çoğalmaya başlar. Dolayısıyla, ilişki kavislidir.

İki değişkenli analizi, ortak ilişki ve nedensellik olmak üzere iki tür tasarımda yapılır:

(1) Ortak ilişki sunan hipotezde iki değişken arasında bir ilişkinin olduğu belirtilir. Amaç istatistiksel bakımdan anlamlı bir ilişkinin olup olmadığına; varsa ilişkinin gücüne ve yönüne bakmaktır.

(2) Nedensellik bağı sunan hipotezde, bir bağımsız değişkenin bağımlı değişkene olan etkisinin doğası belirtilir. Örneğin, aralarında negatif veya pozitif bir nedensellik bağı olduğu hipotezi sunulabilir. Ya da bir bağımsız değişkenin bağımlı değişkeni ne kadar (ne oranda) açıkladığına bakılır. Diğer bir deyimle, bir değişkende olan değişimin (varyansın) bir sonuç değişkeninde yarattığı değişim (varyans) incelenir.

İki Değişkenli Analiz 298

İKİ DEĞİŞKENLİ İLİŞKİ ANALİZİ

İki değişken arasında ilişki olduğunu varsayan hipotez testi için kullanılır. Bu tür analiz:

a. İki veya ikiden fazla değişkenler arasında karşılıklı ikili ilişkilerin varlığını araştıran tasarım yapıldığında kullanılır.

b. Değişkenler arasında nedensellik bağı bilinmediğinde, nedensellik ilişkisi hakkında bir bilgi olmadığında, ilk yapılacak şey önce ilişkinin varlığının test edilmesidir.

c. Tasarımda bir değişkeni maniple etme amacı veya olasılığı olmadığında kullanılır.

d. Araştırmanın amacı özellikler sadece ilişkinin özellikleri üzerinde durduğu zaman kullanılır.

e. Araştırmanın amacı değişkenleri ve onların potansiyel ilişkilerini tanımlama olduğunda kullanılır.

İlişki analizinde bilinmesi gereken koşullar:

• Hangi korelasyon testinin kullanılacağını, öncelikle ölçmede kullanılan ölçeklerin seviyesi belirler.

• İsimsel ve kademeli ölçeklerde karşılaştırma ki-kare (chi-square) dağılımında kullanılan testlerle yapılır.

• İsimsel ve kademeli ölçeklerde merkezi yönelim dağılımına dayanan karşılaştırma testleri kullanılmaz.

• Mesafeli ve oranlı ölçekler için merkezi yönelim testleri, özellikle pearson testi kullanılır.

• İkili mi yoksa çoklu mu karşılaştırma olacağını hipotez belirler.

İsimsel Ölçeklerle İlişki Testi

İki isimsel değişkenin analizinde frekans dağılımına dayanan ki-kare testi (chi-square) kullanılır. Ki-kare testi iki değişken arasında sistemli bir ilişkinin olup olmadığını belirlemek için yapılır. Ki-kare tablosunda her hücre için “beklenen teorik bir frekans sayısı” ve veri toplama sonucu “elde edilen bir frekans sayısı” vardır; test beklenen ile elde edilen frekanslar arasında anlamlı fark olup olmadığına bakar.


Ki-kare dağılımı nüfusun/sayının değişkenliğine dayandığı için, t-testi gibi ortalamaya dayanan testlerden çok daha fazla normal dağılıma bağımlıdır. Eğer nüfus normal değilse, ki-kare testi anlamlı çıksa bile, sonuç yanlış olabilir. Bu nedenle eğer nüfusun dağılımı normal değilse, elde edilen istatistiğin güvenilirliği ortadan kalkar.

Ayrıca, ki-kare testinde tablo’daki hücre sayısı arttıkça (yani değişkenlerdeki kategorilerin sayısı fazlalaştıkça), tasarımda çok sayıda deneğin olması gerekliliği ortaya çıkar. Örneğin, 100 denekle, beşer kategorisi olan iki değişkende chi-square testi yapılırsa, büyük olasılıkla, sonuç güvenilir değildir. Çünkü 5 x 5 tabloda 25 tane hücre vardır. Chi-square dağılımında her hücreye düşen “beklenen” sayı birden aşağı olmamalıdır veya hücrelerin % 20’sinden fazlasında beklenen sayılar 5’den aşağı olmamalıdır. Bunun da anlamı, 5 x 5 tablo örneğimizde, 100 denek yeterli değildir.

1. İki kategorili isimsel değişkenler arası ilişki testi

“Kadın ve erkek” gibi bazı değişkenler iki değere (özelliğe) sahiptir. Bazı değişkenler tasarımda iki gruba indirgenir: Örneğin, bekar ve evli, işsiz ve çalışan, sigara içen veya içmeyen. Bu değişkenler arasındaki ilişkinin testi “phi coefficent,” Fisher’s exact test ve Yates’ corrected chi-square (continuity correction) testlerinde biriyle yapılır.

Phi testi 2 x 2 tabloları için kullanılır51. Test sonucu + 1 ile -1 arasında değerler alır. + 1 ve – 1 ilişkinin bire bir olduğu anlamınadır. Böyle bir sonucun çıkma olasılığı sosyal bilimlerde çok azdır. Çünkü bire bir ilişkinin anlamı her ikisinin de aynı oranda, aynı miktarda, aynı tarzda dağılım gösterdiğidir. İlişkinin gücü +1 ve –1’den uzaklaştıkça azalır. Sıfırın anlamı hiç bir ilişki olmadığıdır. Sosyal bilimlerde ilişkinin sıfır olma olasılığı, yani tümüyle ilişkisiz olma olasılığı daima vardır. Örneğin, Tablo 10’da sigara içme bağlamında erkekle kadın arasında fark olduğunu sunan hipotez test sonucu verildi. Test sonucuna göre, cinsiyet ile sigara kullanımı arasında anlamlı bir ilişki bulunamadı (p =

51 İki kategorisi olan iki değişkenli tablolara 2x2 tabloları denir, çünkü satırda

iki ve sütunda iki kategori vardır.


0.44); dolayısıyla yokluk hipotezi kabul edilerek, alternatif hipotez reddedildi. Bunun anlamı erkek ve kadın arasında sigara kullanımı bağlamında fark yoktur; dolayısıyla, sigara içme konusunda erkek egemenliğinden bahsedemeyiz.

Ki-kare sonucu çoğu kez metin içinde ve tablo altında şu şekilde verilir: X2 (1, N = 362) = 32.45, p = .44. “1” = standard sapma (sd veya ss), 362 = denek sayısı; p ise olasılık değeridir. Farklı kullanımlar tablo 10’un ve diğer tabloların altlarında sunuldu.

Tablo 10. Phi testi örneği

Kullanıyor Kullanmıyor Toplam Kadın 65 (% 51) 63 (% 49) 128 (% 35.4) Erkek 109 (% 53) 125 (% 47) 234 (% 64.6)

Toplam 174 (48.1) 188 (51.9) 362 (% 100)

X2 (Ki kare): 32.45; sd = 1; Phi değeri= 0.04; p (olasılık) =0.44

Parametrik olmayan 2 x 2 değişkenli tasarımda (özellikle önce ve sonra testinin olduğu deneysel tasarımda) McNemar Test kullanılır.

Fisher's Exact Test 2 x 2 değişkenli tasarımda örneklem sayısı 20’den az olduğunda kullanılır.

2. Çok kategorili isimsel ölçekler arasındaki ilişki

Bunlar ikiden fazla kategoriye sahip olan isimsel değişkenlerdir. Bu değişkenler arası ilişki arayışında Pearson, Contingency Coefficient, Cramer’s V, Lambda, Goodman and Kruskal’s tau, ve Uncertainty Coefficient testlerinden uygun olan birisi kullanılır.

Contingency coefficient: Chi-square temelli ilişki ölçüsüdür; 1 değerine ulaşamaz; 0.77’de kalır. Konservatif ölçüdür ve az kullanılır.

Pearson correlation coefficient (r): İki sayısal değişken arasındaki doğrusal ilişkinin ölçüsüdür; ki-kare testlerinde yaygın olarak kullanılır.

Cramer's V: Çok hücreli tablo için kullanılır. Lamda: Bağımsız değişkenin değerleri, bağımlı değişkenin

değerini tahmin etmek için kullanıldığında ve ilişki kavisli olduğunda uygundur. Test değeri “1”, mükemmel tahmin; “0” ise aksi anlamadır.


Belirsizlik katsayısı (uncertainty coefficient): Belirsizlik katsayısı kavramı enformasyon teorisinden gelir. Lamda gibi “hatada orantılı azaltma” ölçüsüdür; bilinmezlik kriterine dayanır: Katsayı üst sınır olan “1” değerine yaklaştıkça, gözlemle elde edilen birinci değere bakılarak ikinci değişkenin değeri hakkında daha fazla bilgi elde edilir. Sıfır değerine yaklaşma hatada orantının artması demektir; birinci değere bakarak ikinci tahmin edilemez.

Tablo 11’deki örnekte, iki program türü üç Tv kanalı ile karşılaştırılmıştır. Bulgulara göre, 0.005 seviyesinde anlamlı bir ilişki vardır. İki program üç kanalda değişen yoğunlukta yayınlanmaktadır. Fakat bu ilişki ayırt edici derecede güçlü bir ilişki değildir (r= 0.24).

Tablo 11. Çok değerli isimsel ölçekleri testi örneği (N=360)

TV1 TV2 TV3 Toplam

Haber 21%24.7

38 % 44.7

26% 30.6

85% 100

Eğlence 37% 45.7

19 % 23.5

25% 30.9

81% 100

Toplam 58 57 51 166

X2 = 0.106 sd (veya İngilizce df) = 2, r = 0.24, p = 0.005

3. İsimsel ve mesafeli ölçüler arasındaki ilişki testleri

Eğer ölçeklerden biri isimsel ve diğeri mesafeli ise, ve bu iki değişken arasında ilişki testi yapılacaksa, kullanılan tasarıma göre, Eta, Kappa ve Risk analizlerinden biri yapılır. Örneğin iki değerlendirici hakem aynı nesneleri değerlendiriyorsa ve amaç bu iki hakem arasındaki fikir birliğini (uyumu) bulmak ise, o zaman Kappa testi kullanılır. Bu test aynı nesneleri değerlendiren iki değerlendirici arasındaki fikir birliğinin ölçüsüdür. Eğer Kappa değeri 1 ise hakemler arasında mükemmel aynılık vardır. Eğer Kappa sıfır ise, hakemler arasındaki fikir birliği yoktur; sadece şans eseridir.


ETA, bağımlı değişken mesafeli olarak ölçüldüyse ve bağımsız değişken birkaç kategorili ise kullanılır. İki tür eta değeri hesaplanır: Birincisi satır değişkenini mesafeli olarak ele alır; ikincisi sütun değişkenini mesafeli olarak ele alır. Doğrusal olmayan ilişkiyi bulur. Eta kare gruplar arasındaki varyansın oranı farklarının ölçüsüdür.

Risk bir faktörün var oluşuyla bir olgunun olması arasındaki ilişkinin gücünü ölçer. Ölçmede olasılıklar oranı kullanılır.

Eğer tasarım bu testleri kullanmayı gerektirmiyorsa, bir isimsel değişkenle sayısal/nicel değişkeni karşılaştırmak için, nicel değişken gruplandırılarak ki-kare testi yapılabilir.

Kademeli Ölçeklerle İlişki Testi

Kademeli ölçeklerde ki-kare dağılımına dayanan istatistikler kullanılır. İlişkinin anlamlılığı ve gücünü belirlemek için çeşitli testler vardır (Tablo 12).

Tablo 12. Kademeli ölçekler arası ilişki testi

Eğitim Seviyesi

Çevre duyarlılığı seviyesi

1 2 3 4 5 Toplam

İlk-orta ve altı

sayı %

4341.1

3425.0

31 19.6

247.1

247.1

156100.0

Lise sayı %

3222.2

3120.4

40 37.0

3018.5

211.9

154100.0

Üniversite ve üstü

sayı %

2013.3

2013.3

28 18.7

3926.0

4328.7

150100.0

Toplam sayı %

9521.9

8515.6

99 24.4

9320.6

8817.5

460100.0

X2 = 84.19, sd = 8, r = 0.55, p= 0.01 veya şöyle yazılır: X2 (8) = 84.19, p = 0.01 Ya da : X2 (8, N = 460) = 84.19, p = 0.01 (Bu APA stilidir)


Parametrik bir tasarımda Gamma ve Somers’ D kullanılır. Gamma kademeli ölçekler arası simetrik ilişki testi ölçüsüdür: x ve y değişkenlerinde, x ile y arasındaki correlasyon ve y ile x arasındaki correlasyon aynıdır); değeri -1 ile +1 arası değişir. “0” bağımsızlık (ilişki yok) demektir. Gamma değeri iki değişken arasındaki ilişkinin yönünü ve gücünü gösterir. Örneğin yukarıdaki test sonucunda, p = 0.03 ve gamma 0.70 ise, bunun anlamı eğitim seviyesiyle çevre duyarlılığı arasında anlamlı pozitif ilişki olduğudur.

Somers' D Gammanın simetrik olmayan uzantısıdır: Kademeli ölçeklerde satır kategorilerinden sütun kategorilerini tahmin etmede kullanılır (Tablo 13; başlıklar İngilizce verildi; p değeri en son sütun). Hangi değişkenin bağımlı olduğuna göre, farklı sonuç verir. Örneğin, çevre duyarlılığını bağımlı değişken olarak ele alırsak, çevre duyarlı olanlar yüksek eğitim seviyesine sahip olan olduğunu görürüz yüksek olanlar daha çevre duyarlı olmaktadır ((X2 (460) = 84.19, p = .01, Somers’�d =.798, p = .001).

Tablo 13. Somers’ d sonuçları

Value Asymp. Std. Error a Approx. Tb Approx.

Sig.

Symmetric .645 .051 10.637 .001 Eğitim (Bağımlı) .501 .047 10.637 .001

Çevre duyarlılığı (bağımlı) .798 .055 10.637 .001

a Yokluk hipotezi test edilmiyorsa, bu sütun tabloda kullanılır. b Yokluk hipotezi test ediliyorsa, bu sütun tabloda kullanılır

Parametrik olmayan testlerde, kademeli ölçme yapıldığında, Kendall’s Tau-b ve tau-c kullanılır. Tau-b sütun ile satır sayısı eşit olduğunda uygundur. Tau-c ise sütun ile satır sayıları farklı olduğunda kullanılır. Tau b ve c değeri –1 ve +1 arası değişir, fakat –1 ve +1 değerine ancak kare tabloda erişilebilir.


Spearman’s R: Nonparametrik kademeli ölçek testidir. Kendall gibi, normal olmayan dağılım ve uç değerler olduğunda uygundur. Spearman’s R Pearson testinin non-parametrik olanıdır. Gerçek değer yerine kademeli (sıralanmış) ölçekle ölçülmüş verileri kullanır. Bu nedenle kademeli veya normallik varsayımını karşılamayan mesafeli ölçekler için kullanılır. Gücü gösteren Değer +1 ile - 1 arası değişir.

Ki-kare istatistik sonucunun rapor edilmesi ve yorumlanması: İstatistik sonucu yukarıdaki tablolardaki gibi sunulur. Hücrelerde ya

sadece yüzdeler verilir ya da sayı ve yüzde ikisi birlikte verilir. İstatistik sonuçları tablonun altına yazılır. Ki-kare değeri, serbestlik derecesi (degrees of freedom) sadece rapor edilir. Onlar üzerinde herhangi bir yorum yapılmaz. Olasılık değeri (p = 0.44) anlamlı ilişki olup olmadığına karar vermede kullanılır. Bu değer eğer 0.05 ve daha az çıkarsa, yokluk hipotezi reddedilir ve alternatif hipotez kabul edilir: Aralarında anlamlı ilişki var demektir. Yukarıdaki değerde olasılık değeri .05’den büyük olduğu için (p=.44), anlamlı ilişki olmadığı belirtilir. Özlüce, istatistik testinde, karar vermek için önce olasılık değerine bakılır; eğer anlamlı ilişki varsa, korelasyon katsayısı/test değerine bakılarak ilişkinin gücünün ne olduğu belirtilir.

Mesafeli ve Oranlı Ölçeklerle İlişki Testi

Araştırma tasarımında kullanılan ölçekler mesafeli veya oranlı olabilir. Bu ölçeklerde karşılaştırma için “Pearson product moment correlasyon” (kısaca pearson) testi yapılır. Bu test ile hem anlamlı bir ilişkinin olup olmadığı tespit edilir, hem de, eğer anlamlı ilişki varsa, ilişkinin yönü ve gücü belirlenir.

SPPS kullanarak pearson testi yapmak için: SPSS’i açtıktan sonra fare ile sırayla, “analyze” “correlate” ve

bivariata” seçeneklerine basılır. Açılan pencerede karşılaştırılmak istenen değişkenler seçilir ve penceredeki “sağı işaret eden oka” basarak değişkenler sağdaki küçük pencereye aktarılır.

Hipoteziniz, “yön belirleyen” bir hipotez ise (“A artınca B artar/azalır”), o zaman, “one-tailed” yanındaki yuvarlak işaretlenir. “OK” yazan kutuya basılır ve test sonucunu gösteren pencere açılır.


Biz üç değişkeni karşılaştıralım: Gelir; eğitim ve TV izleme: SPSS sonuç tablosunda her hücrede alt alta üç rakam vardır (Tablo 14).

Tablo 14. Pearson testi örneği (N= 345)

Eğitim Tv İzleme Gelir

Eğitim -0.66

0.001 1485

0.570 0.001 1430

Tv İzleme

-0.029

0.71 1437

Satırlarda, üstteki sayı testin sonucunu (ilişkinin yönü ve gücünü); ortadaki sayı olasılık seviyesini (anlamlılık seviyesini) ve alttaki ise denek sayısını gösterir. Olasılık, iki değişken arasındaki ilişkinin hangi seviyede anlamlı olduğunu gösterir; karar vermek için önce ilişkinin anlamlılık seviyesinin bilinmesi gerekir. Eğer hipotez test ediliyorsa, ya anlamlılık seviyesi (yokluk hipotezini red veya kabul seviyesi) “p = 0.05 veya p<0.01 olarak belirtilir. Eğer hipotezsiz bir araştırma sorusuyla ilişki aranıyorsa ve seviye belirlenmemişse, çıkan sonuç seviye olarak alınır ve değerlendirilir.

Bu örnekteki sonuca göre, eğitim ile tv izleme arasında 0.001 seviyesinde anlamlı bir ilişki vardır (hücredeki ikinci satır). Dolayısıyla yokluk hipotezi reddedilir ve alternatif hipotez kabul edilir. Kabul etmek anlamlı ilişkinin olduğu anlamınadır. Bundan sonraki adım ilişkinin gücüne (“r” değerine) bakmaktır. O da hücredeki ilk satıra bakarak saptanır. Genellikle “r” 0.80 ve üzeriyse, ilişki çok güçlü demektir. Yukarıdaki tabloda eğitim seviyesiyle (kaç yıl okula gittiğiyle) ile tv izleme (günde kaç saat tv izlediği) arasındaki ilişki testinde, p değeri 0.001; dolayısıyla anlamlı ilişki var demektir. İlişki katsayısı (correlation coefficient; bu “r” harfiyle ifade edilir) r = - 0.66 çıktı. Bu sonuca göre eğitim ile tv izleme arasında ters yönlü anlamlı bir ilişki var ve bu ilişki orta güçte bir ilişki. Pearson katsayısı (r) -1 ile +1 arası değişir ve sayı 1’e yaklaştıkça ilişkinin gücü artar. Sayı 1.00 ise, bire bir ilişki olduğunu gösterir. Sıfır veya sıfıra yakınlık ise, ilişki olmadığı anlamına gelir. Yukarıdaki örnekte, eğitim ile gelir arasında ise, 0.001


seviyesinde orta derecede (r = 0.57) pozitif bir ilişki bulundu. Gelir seviyesiyle televizyon izleme arasında da anlamlı bir ilişki var, fakat bu ilişki de oldukça zayıf (- 0. 329). Tabloda gelir ile tv izleme arasında olasılık değeri p = 0.71. Bu sonuç anlamlı ilişki olmadığını anlatır: p= 0.71 demek, sonuçların şans eseri olma olasılığı yüzde yetmiş bir demektir. Araştırmacı şans eseri olma seviyesini p<.05 olarak belirlemişse, o zaman, yokluk hipotezi reddedilir ve alternatif hipotez kabul edilir. Bunun anlamı, iki değişken arasında bir ilişki olmadığıdır.

Pearson testi iki değişken arasındaki doğrusal ilişkiyi ölçer. Bu ilişki (a) güçlü, güçsüz veya ilişkisiz; (b) negatif veya pozitif yönlü olabilir. Negatif olduğu r değerinin önündeki (-) eksi işaretiyle belirlenir. Temel ilişki kalıpları aşağıdaki şekilde gösterilmiştir (Şekil 14).

Negatif ilişki (r = -.53) Pozitif ilişki (r = .88) İlişkisiz (r = .17)

Şekil 14. İki değişken arasında temel ilişki biçimleri

Scatterplot denen yukarıdaki “dağılım grafikleri” önemlidir. Çünkü “r” katsayısı ötesinde, dağılımın nasıl olduğunu (kalıbı) gözle görerek yanıtlama, daha anlamlı sunum ortaya çıkarır. “Dağılım grafikleri” “r” testinin doğrusal olma koşulunun karşılanıp karşılanmadığının (ilişkinin doğrusal olup olmadığının) gözle görülmesini sağlar. Eğer dağılım bu koşulu karşılamıyorsa, o zaman “r” ile elde edilen sonuç geçerliliğini yitirir. Pearson r doğrusal olmayan (non-linear, curvilinear) ilişkiyi saptayamaz. Daha kötüsü, “r” istatistiği sıfıra yakın değer sunarak ilişki olmadığı sonucunu verir. Aslında Şekil 14'deki gibi veya daha güçlü doğrusal olmayan bir ilişki olabilir. Örneğin, kavisli (curvilinear) denen ve doğrusal olmayıp da belli bir gidişten sonra yönünü değiştirerek aşağı veya yukarı doğru kavis çizen dağılım durumunda, “r” ilişkinin anlamsız olduğu sonucunu çıkarabilir, fakat


tabloda da görüldüğü gibi, aslında güçlü bir ilişki vardır. Örneğin, denek olarak alınan 500 kişinin yürümeye başlamasından yaşam boyu 100 metreyi kaç saniyede koştuklarının ilişkisi aranıyorsa, belki yirmi yaşlarına kadar 100 metreyi kısalan saniyeler içinde koştukları ortaya çıkar; bu yaşlardan sonra ise, dağılımın gidişi ters yöne dönmeye (saniyeler artmaya) başlar. Örneğin Şekil 15’deki ilk grafikte yapılan ilişki testinde Pearson korelasyon güçlü bir ilişki (r = 0.79) göstermektedir, fakat ilişki kavisli olduğu için, test uygun değildir.

Şekil 15. Kavisli dağılım örnekleri

Şekil 15’deki ikinci dağılımda, değişim “üst değerdeki sayıya göre katlanan (exponential)” bir şekilde olmaktadır: Örneğin, X’deki her “a” birim artışa karşılık Y’de “a2” ( a kare) oranında fazla artış olmaktadır. Üçüncü grafikte ise, X’deki değişme Y‘de ritmik olarak kavisler çizen periyodik bir değişim yaratmaktadır.

Doğrusal olmayan dağılım örneği “bir ilacın etkisinin zaman içindeki gidişinde” de görülebilir. İlacın alındığı andan belli bir süre sonra etkisi başlar ve belli bir süre sonra en yüksek seviyesine ulaşır ve ardından yavaş yavaş etkisi ortadan kalkmaya başlar. Eğer bir ilacın “etki seyri” belirlenmek isteniyorsa, denekler üzerindeki yapılan zaman aralığındaki ölçmelerin sonucu yukarıda belirtilen biçimde bir kavisli (curvilinear) bir dağılım elde edilir.

Eğer bağımsız olan değişken kategorili ve bağımlı olan mesafeli ise, ayrıca doğrusallık varsayımı yapılmamış ise, bu iki değişken arasındaki ilişkiyi ölçmek için Eta kullanılır. Eta kare gruplar arasındaki varyans tarafından açıklanan bağımlı değişkendeki varyansın oranını açıklar.


Eğer tasarımda amaç bir faktörün var oluşuyla bir olgunun olması arasındaki ilişkinin gücünü ölçmek ise, Risk testi kullanılabilir. Testte “1” değeri faktörün olguyla ilişkili olmadığını anlatır.

İlişki araştırmasında, çoğu kez ilişki kalıpları keyfidir ve muğlaktır. İstatistik analizinde, ilişki olduğu saptansa bile, ilişkinin gücü, bu ilişkiyi anlamlandıramayacak kadar zayıf olabilir. Örneğin, iki değişken arasındaki ki-kare testiyle ölçülen ilişkinin istatistiksel bakımdan var olması, bu varlık ötesinde hiçbir anlam ifade etmez. Diyelim ki, ölçeğimiz isimsel değil de dereceli (ordinal) ölçek olsun ve en çok kullanılan Pearson katsayı ilişkisi (correlation coefficient) testiyle 0.60 olsun. Bunun anlamı şudur: Eğer, bu iki değişkene etki eden bütün diğer etkenler değişmez kalırsa, ve eğer ölçümüz güvenilir ve geçerliyse, bu iki etken (A ve B) arasında orta derecede bir ilişki var demektir. Genellikle, eğer n>100 ve r > 0.70 ise, değişkenler arasında güçlü ilişki olduğu belirtilir. Eğer r = 0.40 ile 0.70 arasıysa, 0rta derecede; r= 0.20 ve 0.40 arasıysa “zayıf” bir ilişki olduğu söylenir. Eğer r < 0.20’den aşağı ise, “ihmal edilecek ilişki” olarak nitelenir. Fakat bu sadece kabaca genel bir değerlendirmedir. Örneğin, değişkenler arasındaki ilişki sürekli 0.30 olarak çıkmaktaysa, fakat son zamanda 0.45’lik bir ilişki çıkmaya başladıysa, bu durumda 0.40’lık bir ilişki, bu değişkenler arasında göreceli olarak yüksek\güçlü bir ilişki olarak nitelenebilir. İki değişken arasında güçlü ilişki olması, nedensellik bağı olduğunu anlatmaz. Değişkenler arası nedensellik ilişkisinin olup olmadığı araştırmacının kuracağı hipoteze, kuramsal bağa ve yoruma bağlıdır. Bunun anlamı oldukça açık: İstatistik ancak kuramsal gerekçelere bağlı olarak anlam kazanır. Ayrıca, X ile Y ve Y ile Z arasındaki ilişkinin anlamından biri de X ile Z arasında bir ilişkinin varlığı anlamına olmayabilir. Çünkü X ile Y ve Y ile Z arasındaki ilişkinin oluşumundaki nedenler farklı olabilir.

Korelasyon ilişkisinde eğer belli ölçüde anlamlı bir bağ varsa, bu sonuçtan en azından şu neticeler çıkartılabilir: (1) Biri diğerine neden olabilir; (2) Her ikisi de bir veya birden fazla ortak nedene bağlı olabilir; (3) korelasyon sadece şans eseri olarak ortaya çıkmış olabilir.


İKİ DEĞİŞKENLİ NEDENSELLİK ANALİZİ

Ortak ilişki analizinde değişkenler arasındaki ilişkinin varlığı veya yokluğu; varsa gücü ve yönü üzerinde durulur. Nedensellik bağı kurulmaz. Ortak ilişki (korelasyon) ile nedenselliği karıştırma yapılan genel hatalardan biridir ve bu hataya “post hoc fallacy” denir. A ile B arasında ilişki olması ve A’nın (tv izleme, cinsiyet, eğitim, yoksulluk) B’den (davranıştan, tercihten) önce olması, A ile B arasında nedensellik bağı olduğunu anlatmaz, bunu gösteren kanıt olmadıkça.

İstatistik testleri nedensellik bağı bilgisi vermez, veremez. Araştırmacı var olan bilgi birikimini irdeleyerek ve kuramsal gerekçe sunarak iki değişken arasında nedensellik bağını (neden-sonuç ilişkisini) inşa eder.

Nedensellik Bağı Kurma

Günlük yaşamda insanlar her gün birçok nedensellik bağları kurar: Herkes “çünkü, ondan dolayı, bu nedenle, dolayısıyla, sonuç olarak” gibi bağlaçlar kullanıldığında, aslında nedensellik bağı kurmaktadır. Örneğin, şemsiyemi aldım, çünkü yağmur yağacak. Akşam haberlerini izlemiyorum, çünkü haberler haber değil. Elbette, her zaman “çünkü” bağlacı kullanılmaz; fakat kullanılmadığı durumlarda da, nedensellik sunulabilir. Örneğin, “TRT1 Tv haberlerini tercih ediyorum”. Bu cümlede, çünkü yok, fakat aslında, “tercihin” ardında bir neden vardır. Araştırmacı için bu cümle, örneğin, şu şekilde bir araştırma sorusu yapılabilir: İzleyicilerin haber tercihlerinin dağılımı nasıldır? Bu soru, nedensellik ilişkisine nasıl dönüştürülebilir? Diyelim ki tanımlayıcı inceleme sonucu haberler kaynağı olarak TRT1 Tv önde gelmektedir.

H1 = haber kanalı seçimi kanalın güvenilirliğine bağlıdır: güvenilirlik artıkça, kanalın seçimi de artar.

Bu hipotezde, araştırmacı kanal tercihine neden olarak kanalın güvenilirliğini göstermektedir. Örneğin, günlük dilde bu hipotez şöyle ifade edilebilir: TRT1 Tv haberlerini tercih ediyorum, çünkü uydurma haber vermiyor; çünkü güvenilir haber veriyor.


“Nedensellik” ortak ilişki incelemesi ile neden-sonuç incelemesi arasındaki temel farktır. Ortak-ilişki bize iki değişken arasında karşılıklı bağ olduğunu, bu bağın gücünün ne olduğunu ve bunun yönünün, örneğin, birinin artarken birinin azaldığını (negatif ilişkiyi) veya ikisinin de birlikte arttığını (pozitif ilişkiyi) anlatır. Fakat bunu bilmek hangisinin hangisine etki ettiğini veya bunlara etki eden bir ortak etken olup olmadığı hakkında bir bilgi vermez. Bu tür tasarım neyin neye etki ettiği hakkında bir varsayımla veya hipotezle gelmez. İlişki tasarımının aksine, nedensellik tasarımı neden-sonuç ilişkisi inşa eder ve bunun için hipotez test eder.

Nedensellikte bazı belirleyici özellikler vardır:

1. İlişki tersine olamaz: neden sonuç, sonuç da neden olamaz; nedensellikte, etkileşim yoktur; etki vardır.

2. Nedensellik bağı “saptayıcı” veya “olasılıklı” olabilir: Saptayıcıda, eğer A varsa, B’de olur. Olasılıkta, örneğin, yer kaygansa, düşebilirsin. Bu nedenle, belirleyici nedensellik bağında, düzenli/değişmez bağ olmalıdır (şans eseri olmayan ilişki).

3. Etki, hemen olabilir, sonra olabilir veya biriken bir etki olabilir.

4. Etki birden fazla koşulların birlikte olmasına veya birbirini takip eder biçimde olmasıyla olabilir.

5. Neden zaman bakımdan sonuçtan önce gelir. 6. Sahte-ilişki olmaması gerekir.

A’nın B’nin nedeni olduğunu test etmek için, A’nın zaman bakımından B‘den önce geldiği ve A’nın B ile düzenli/değişmez bir şekilde ilişkili olduğu gerekçelendirilir. Örneğin, X önce gelir ve Y’nin oluşumuna veya değişimine neden olur. Eğer X değişkeni Y değişkenini % 100 açıklarsa, o zaman, nerede X varsa, orada Y vardır. Fakat eğer X değişkeni Y değişkeninin oluşumu ve değişmesine “katkıda” bulunan, örneğin, sadece % 25’ini açıklayan bir etken ise, o zaman, X değişkeninin olduğu yerde, % 25 ihtimalle Y değişkeni de vardır. Doğru bir nedensellik bağında, bir başka neden (örneğin C) A’nın açıklayıcılığını ortadan kaldıran bir neden değildir.


Y’nin X’den sonra gelmesine bakarak nedensellik ilişkisi olduğunu belirtmek geçersizdir, çünkü belirleyici olan zamansal öncelik değil, bu zamansal öncelikteki içeriğin doğasıdır: “Ne zaman arabamı yıkatsam yağmur yağıyor” cümlesiyle başlayan ve araba yıkama ile yağmur yağması arasında nedensellik bağı kuran ifade geçersizdir.

Bir sonucu tek bir nedene bağlama da yanlıştır: Kadınların ezilmesini erkek egemenliğine bağlama ve erkek egemenliği göstergeleri olarak erkek davranışı ve ücret farkını verme.

Nedensellik ilişkisi araştırması yapabilmek için, önce değişkenler arasında neden ve sonucun birlikte değiştiğini (her iki değişken arasında anlamlı bir ilişki olduğunu) saptamak gerekir. Bunun için de her zaman bir araştırma yapmaya gerek yoktur. Bu ilişkinin varlığını ve özelliklerini önceki incelemeleri inceleyerek elde edebilir ve nedensellik varsayımı (ve hipotez) önceki bilgiler üzerine kurulabilir.

İki şey birbiriyle ilişkili olabilir. İstatistik testinde çok güçlü ilişki çıkabilir. Değişkenler aynı anda var olabilir veya biri diğerinden önce var olmuş olabilir. Bunlar o iki değişkenin arasında nedensellik bağı olduğunu anlatabilir veya anlatmayabilir. Nedensellik ilişkisi kuramsal gerekçelerle kurulması gerekir ve geçerliliği de büyük ölçüde öne sürülen kuramsal çerçevedeki tutarlılığa bağlıdır. Örneğin, Hipotez: Küçük esnaflık siyasal faşizme yöneliktir” veya “küçük esnafın egemen ideolojisi faşizmdir” hipotezleri sunulabilir. Birinci hipotez “bir yönelimi” anlatmaktadır ve “nedensellik” ilişkisi var duygusunu vermektedir. Bu hipotezde “küçük esnaflık” (KE) bağımsız ve “siyasal faşizm” (SF) bağımlı değişken gibi görünebilir. Hipotezin ardındaki kuramsal varsayıma göre, küçük esnaflığın özellikleri, küçük esnafı faşizme yönelik olmaya doğru bir etki yapmakta; dolayısıyla SF KE’nin egemen ideolojisini oluşturmaktadır. Hipotezde, Küçük esnaf “açıklayan” ve Siyasal faşizm ise KE’ye bakılarak bu ilişkide “çıkartılan\açıklanan” değişkendir. Yani, “küçük esnafın egemen ideolojisi nedir?” diye sorulduğunda, cevap “faşizm” yanıtıdır. Hipotez inşasındaki sorun ne? İlk sorun hipotez sunumuyla ilgilidir: Hipotez açık bir şekilde nedensellik bağı kurmamaktadır. İlişki bağı da kurmamaktadır. İkinci sorun kuramsal çerçevenin çürük temeliyle ilgilidir, çünkü küçük esnaf


olmasa da faşizm olabilir. Ne faşizmin varlığı küçük esnafa ne de küçük esnafın varlığı faşizme bağlıdır. Fakat aralarında görevsel bir ilişki vardır. Bu ilişkide, küçük esnaflığın faşist ideolojiyle olan bağı küçük esnaflığın niteliklerinden gelmektedir. Dolayısıyla, küçük esnaf ile faşizm arasında bir ilişki kurmak istersek, o zaman, küçük esnafın ve faşizmin özellikleri (göstergeleri) arasında benzerlikler veya bağlar kurmamız gerekir. Örneğin, en basit gösterge olarak, seçimlerde partilere verilen oy dağılımı ele alınır; seçmenler mesleklerine ve partiler de siyasal yapısına göre gruplandırılır. Bu dağılıma göre, meslek ve parti değişkenleri arasında korelasyon analizi yapılır. Eğer, test sonucu anlamlı çıkarsa, dağılımın özelliklerine bakılır. Bu safhada şu yöntem uygulanabilir. Sadece küçük esnaflar ele alınır ve oylarının partilere göre dağılımına bakılır. Eğer bu dağılımda anlamlı bir şekilde faşist olarak nitelenen partiye çok oy verme var ise, o zaman, küçük esnafın faşizme yönelik olduğu hipotezi kabul edilir. Fakat, unutmayalım, gene de, nedensellik bağını kurabilmek için, küçük burjuvazinin çıkışı, gelişmesi, içinde bulunduğu durum ile faşizmin çıkışı, gelişmesi ve içinde bulunduğu durum arasında nedensellik ilişkisi sunan bir kuramsal gerekçenin sunulması gerekir.

Nedensellik ilişkisinde aranan koşullar Zorunlu koşul: Zorunlu koşulun anlamı, A’nın olduğu yerde B’nin

olması ve olmadığı yerde olmamasıdır. Örneğin araba ehliyeti alma yaşının koşulu 18 ise, 18 yaş ve sonrası ehliyet için zorunlu koşuldur. Yağmurun, dolunun ve kar yağmasının zorunlu koşulları belli atmosferik ortamın varlığıdır. Dikkat edilirse, zorunlu koşulda, B’nin varlığı A’ya bağlıdır.

Şemsiye ile yağmur arasında nedensellik bağı yoktur. Şemsiye olmadan da yağmur yağabilir. Yağmur şemsiye üretmez; yağmurdan korunma ihtiyacını duyan insan şemsiye üretir ve kullanır. Yağmurun olmadığı yerde güneşten korunmak için de şemsiye kullanılabilir.

Yeterli koşul: A’nın olması için B’nin olması yeterliyse, B A’nın yeterli koşulu olur. Yağmurun yağması caddenin ıslanması için yeterli koşuldur, fakat zorunlu bir koşul değildir; çünkü cadde başka nedenlerle de ıslanabilir.


Katkıda bulunan koşul: A’nın olması B’nin ne zorunlu ne de yeterli koşuludur, fakat olması olasılığı vardır. Örneğin şişmanlığa çok yemek veya hareketsizlik katkıda bulunan koşuldur.

Alternatif koşul: A’nın olması B’nin, C’nin, D’nin olmasına bağlıdır. Fakat B, C, ve D alternatif koşullardır, fakat her biri yeterli veya katkıda bulunan koşuldur. Eğer bir ülke bir başka ülke tarafından tehdit edilirse, bir ülkenin topraklarına bir başka ülke tecavüz ederse, bir ülkenin sınırları bir başka ülke tarafından ihlal edilirse, bu nedenlerin her biri o ülkeye savaş ilan etmek için yeterli koşuldur.

Koşullu\bağımlı koşul: A’nın olması, D ve E’den etkilenmiş C’ye bağlıdır. Örneğin bir partiyi güçlü bağla tutan biri genel seçimlerde yakın bir çekişme olduğu durumda büyük olasılıkla oy kullanacaktır. Bu durumda D partisini tutan A’nın oy kullanması koşulu seçimin yakın-yarış olacağı etkenine bağlıdır.

Yakın ve uzak koşul: A’nın nedeni B; B’nin nedeni C; C’nin nedeni D; ve D’nin nedeni E olduğu durumda, E ondan önce gelenlerin sonucudur. E’ye D en yakın koşul ve B uzak nedendir.

Çoğul nedensellik: Olguların, olayların ve sorunların tek nedene bağlanmadığı ve çoklu nedensellik olduğu görüşüyle hareket edince, karşımıza çoklu nedensellik çıkar.

Nedensellik ilişkisi testleri ölçek seviyelerine göre değişir. İsim seviyesinde ölçekle, örneğin, Lamda testi (üç veya fazla ve dereceli olmayan kategorili ölçmeyle) kullanılarak bir bağımsız değişkene bakılarak bağımlının tahmin edilmesi derecesini ölçebiliriz. Lamda’nın sıfır çıkması ilişki olmadığını ve “1” ise bire bir ilişki olduğunu anlatır.

Kademeli ölçekle ölçülen verilerin testinde de Lamda kullanılabilir; Fakat Tau-b daha çok kullanılır, çünkü tau-b doğrusal ilişkiyi ölçer ve + 1 ile - 1 arasında değerler alabilir. Lamda kavisli (curvilinear) dağılım varsayılıyorsa kullanılır.

Pearson r nedensellik ilişkisinde en yaygın kullanılan testtir. Normal olarak mesafeli ölçmeyi gerektirir. Doğrusal ilişki ölçüsüdür.


Kısmi Bağ ve Sahte İlişki Sorunu

Basit korelasyon ile iki değişken arasındaki ilişki test edildiğinde, diğer değişkenlerin etkisi ortadan kaldırılamaz veya kontrol edilemez. Bu nedenle kısmi-korelasyon gereği ortaya çıkabilir. Ayrıca bir değişken ile ilgili diğer değişkenlerin ilişkisi (veya birlikteki etkisi) basit korelasyon ile bilinemez. Bunun için çoklu-korelasyon gerekir.

Bazen X ve Y arasındaki ilişkinin Z nedenli olduğu veya Z’nin de bu ilişkide etken olduğu düşünülebilir. Bu genellikle X’in ara değişken olduğu veya sahte (spurious) ilişki varlığı şüphe edildiğinde yapılır. Kısmi ortak-ilişkide Z kontrol edilerek, X ve Y arasındaki ilişki yeniden test edilir; Diyelim ki, kontrol etmeden yapılan testte, ilişki anlamlı çıktı (örneğin, r =.80, p<.05); Z kontrol edilerek, yapılan testte hiç veya çok az bir değişiklik olursa, Z’nin etken olmadığı sonucu çıkar; fakat eğer anlamlı ilişki ortadan kalkar veya, örneğin, r = .40’a düşerse, o zaman, Z’nin ya ortak etken olduğu, ya zincirleme bir etki olduğu, ya da Z’nin kendi başına Y üzerinde etken olabileceği olasılıkları ortaya çıkar.

Şekil 16 birkaç olasılıklı ilişkiyi sunmaktadır. Şekildeki ok ilişkinin etkiden etkilenene doğru yönünü göstermektedir. Kesintisiz çizgi nedensellik ilişkisini ve kesintili çizgi ise ortak-ilişki (bir bağımsız değişkene bağlı olarak birlikte değişmeyi) anlatmak için kullanıldı.

1. X Y 2. X Y 3. X Y Z

4. X Y Z 5. X Y Z

Şekil 16. Bazı temel ilişki ve nedensellik biçimleri

Şekilde 1 numaralı ilişki ortak-ilişki çeşididir: X ve Y arasında birlikte (simetrik) bir ilişki var. 2 nolu ilişkide ise, X değişkeni bağımsız değişken olarak rol oynamakta ve Y değişkenini etkilemektedir. 3 nolu ilişkide Z değişkeni hem X hem de Y değişkenlerinin ortak nedenidir; aynı zamanda, muhtemelen bu ortak nedensellik nedeniyle Y ile X arasında da ilişki var olduğu görünür. Örneğin, eğer, Z kontrol


edilmeden, Y ile X arasında ilişki testi yaparsak, aralarında korelasyon (anlamlı ortak bağ) olduğunu buluruz. Fakat, Z kontrol edilip, korelasyon analizi yapıldığında, bu bağ ortadan kalkar. Bu nedenle, X ile Y arasındaki anlamlı ilişkiye sahte-ilişki (spurious correlation) denir. 4 nolu ilişkide, bilinmeyen Z varken, X ile Y arasında ilişki vardır. Fakat Z olmadığı durumda, ilişki ortadan kalkmaktadır. Bu ilişkinin 3 noludan farkı, X’in Y üzerindeki etkisi Z değişkeninden geçerek olmaktadır. 5 nolu ilişkide X ile Y arasında doğrudan bir ilişki yoktur; fakat Y’nin olması (veya Y’de değişimin olması) Z’deki değişime bağlıdır. Z’deki değişim de X’deki değişime bağlıdır. Y’deki değişimin ön koşulu Z’deki değişim, Z’deki değişimin ön koşulu da X’deki değişim olmaktadır.

Özlüce, Z değişkenini ortadan kaldırdığımızda (veya kontrol ettiğimizde), eğer X bağımsız ile Y bağımlı değişkeni arasında anlamlı ilişki ortadan kalkarsa, X ile Y arasındaki nedensellik ilişkisi Z değişkeninden kaynaklanan sahte-ilişkidir (spurious relationship). Fakat kontrolden sonra hala anlamlı ilişki varsa, o zaman Z ara etken olabilir. Bunu da anlamak için, X değişkenini kontrol ederek, Y değişkeniyle Z değişkeni arasındaki ilişkiye bakmamız gerekir. Bu tür istatistik testini nasıl yapabiliriz? Eğer ölçeğimiz mesafeli (interval) ölçek ise, o zaman “partial correlation” (kısmı korelasyon) yapılır.

Nedensellik bağına bağlı olarak değişkenler arasındaki ilişkinin doğasını belirleyen varsayımlarla bir Patika analizi (path analysis) tasarımı yapılabilir.

Örnek: Tablo 15’de tv izleme yoğunluğuyla ile aile içi iletişimin yoğunluğu arasında bağ kuran hipotez test edildi.

Tablo 15. Televizyon izleme ve aile içi iletişimin ilişkisi *

Tv izleme

Aile içi iletişimin yoğunluğu

r (Pearson correlation) p (Sig, 2 tailed) N (kaç kişi/denek olduğu)

-.839.001290

* Birinci satırdaki sayı “ilişkinin gücünü” gösterir. Güç bire yaklaştıkça artar. Sayının önündeki eksi işareti ilişkinin negatif yönde olduğunu gösterir. İkinci satırdaki sayı olasılığı gösterir (yani, anlamlı hangi seviyede anlamlı ilişki olduğunu gösterir).


Önce, anlamlı ilişki olup olmadığına karar vermek için “p” (sig = significance = anlamlılık) yazılı satırdaki değere bakılır. Bu değer 0.05’den az ise, anlamlı ilişki olduğu, yüksekse anlamsız ilişki olduğu saptanır. Tabloda anlamlılık seviyesi 0.001 çıkmış; dolayısıyla anlamlı bir ilişki var. İkinci olarak ilişkinin gücüne bakılır. Bunun için “pearson correlation” yazılı satıra bakılır. Satırda gösterilen sonuca göre ilişkinin gücü 0.839. Bu değer 1’e yaklaştıkça güç artar. 0.84 güçlü bir ilişki olduğuna işaret eder. Üçüncü karar verilecek konu ilişkinin yönüdür. Buna da 0.839’un önündeki işarete göre karar verilir. İşaret eksi ise, negatif ilişki var demektir. Tabloda eksi işareti var. Dolayısıyla, tv izleme ile aile içi iletişimin yoğunluğu arasında 0.001 seviyesinde anlamlı, negatif ve güçlü bir ilişki var. Tv izleme arttıkça, aile içi iletişimin yoğunluğu azalmaktadır.

Diyelim ki, aile içi ilişki yoğunluğuyla babanın eve geç gelmesi arasında da anlamlı ilişki var. “Acaba, tv seyretme ile ilişki yoğunluğu arasında bulunan ilişki aslında babanın eve geç gelmesinden dolayı mı çıkmaktadır?” sorusu akla gelebilir. O zaman, babanın eve gelme değişkenini kontrol ederek, tv izleme ile sosyal ilişki yoğunluğu arasında kısmı ortak-ilişki testi yapılır (Tablo 16). Bunun için SPSS’de sırasıyla analyze, correlate, partial seçilir; açılan pencerede, alttaki kutuya “baba” değişkeni, üsttekine de diğer iki değişken taşınır.

Tablo 16. Kısmi ortak ilişki örneği (partial correlation)

Controlling for.. Baba

Tv İzleme

Aile ilişkisi

r = -.8401 p = 0.001

Tabloda gösterilen sonuca bakıldığında, “sig” değeri (p = 0.001) yine anlamlı olarak kalmıştır. “Correlation coefficient değeri de (r = - 0.84) aynı kalmıştır. Bunun anlamı, tv izleme, baba eve geç gelsin veya gelmesin, aile içi iletişime olumsuz yönde etki etmektedir.

Eğer kullanılan ölçek mesafeli değilse, o zaman kısmi ki-kare (chi-square) testi yapılır. Bunun için, SPSS’de sırasıyla, analyze, descriptive statistics, crosstabs seçilir. Açılan crosstabs penceresinde,


sütuna (column) bağımlı değişken taşınır ve satıra (row) bağımsız değişken yerleştirilir; sonra en altta “layers 1” yazılı yerin altındaki kutunun içine “kontrol değişkeni (baba)” yerleştirilir ve OK deyip test yapılır. Değerlendirme normal ki-karenin değerlendirmesi gibidir.

Nedensellikle Tahmin: Basit Regrasyon Analizi

Korelasyon iki veya daha çok değişkenler arasındaki ilişkinin gücünü ve yönünü ölçmek için kullanılan istatistik tekniğidir. İstatistik olarak Pearson correlation coefficient ( r ) kullanılır. Formülü:

X ve Y’nin ortak değişkenliği (varyansı) r = -------------------------------------------------------- X ve Y’nin ayrı değişkenliği (varyansı)

Pearson Correlation X ile Y arasında paylaşılan varyansın X ve Y’nin ayrı ayrı varyanslarına oranıdır.

Mükemmel doğrusal ilişki olduğunda, X değişkenindeki her değişme Y değişkeninde aynı değişmeye karşılık gelir. Bu bağlamda, X değişkenindeki her varyans Y ile paylaşılır. Doğrusal hiçbir ilişki olmadığında, r= 0.00 olur.

Korelasyon asla nedensellik değildir; ilişkidir.

Nedensellik bağı kuran ve amacı tahmin ve açıklama olan tasarımlardan önde gelenlerden biri regrasyon analizi tasarımıdır. Regrasyon analizi bir bağımsız değişkenin bilinen değerinden, bilinmeyen bağımlı (kriter) değişkenin değerini tahmin etmek için yapılır. Test sonucu elde edilen saptama katsayısı (coefficient of determination) ile, bu değer belirlenir. Bu katsayıya R2 (R kare) denir. R karenin değeri bağımsız (predictor) değişkeninin kriter değişkenini açıklamadaki yüzdesini ifade eder. Örneğin, eğer X bağımsız (predictor) ile Y kriter arasındaki ilişkide R kare .60 ise, bunun anlamı X değişkeni, Y değişkenindeki varyansın % 60’ını açıklamaktadır.

Regrasyon analizinde, iki değişken arasındaki ilişki Y= f(X) olarak belirlenir. Bu, Y, X’in bir fonksiyonu olarak nitelenir ve “Y’nin değerleri X değerlerindeki değişmeye göre açıklanabilir” demektir. Diğer bir deyimle, X’deki değer Y değerini belirler.


Analizin temel varsayımları Regrasyon analizini kullanabilmek için, bütün diğer analizlerde

olduğu gibi, belli tasarım koşullarının karşılanması gerekir:

Uygun modelin belirlenmesi: Bunun için ilgili değişkenlerin çok iyi belirlenmesi gerekir. İlgisiz değişkenler, hata olasılığını yükseltir.

Doğrusal ilişki varsayımı: Öncelikle, değişkenler arasında doğrusal ilişki (linear relationship) varsayılmalıdır. Pratikte (gerçek hayatta) bu varsayım asla yanıtlanamaz. Regrasyon ve çoklu regrasyon süreçleri bu varsayımdan küçük sapmalardan büyük ölçüde etkilenmez. Fakat yine de kaide olarak iki değişkenli “scatterplot” kullanarak doğrusallığa bakılır. Eğer ilişkide kavis görülürse, ya değişkenler dönüştürülür ya da doğrusal olmayan elemanlara izin verilir.

Normallik varsayımı: Nüfustaki dağılım normal olmalıdır. Çünkü istatistiksel süreçler bu normallik varsayımı üzerine kurulmaktadır. Normalliğe göre, “artakalanlar (residuals)” (“beklenen değerler” ile “gözlenmiş değerler” farkı) normal olarak dağılmalıdır. Gerçi çoğu testler (özellikle F test) bu varsayımın ihlaline karşı oldukça güçlüdür. Fakat sonuçlar çıkartmadan önce ana değişkenlerin dağılımlarına bakmak gerekir. Bu amaçla “artakalanlar” ve normal olasılık plotlarının histogramlarının gözden geçirilmesi gerekir.

Varyans benzeşimi varsayımı: X ve Y değişkenleri varyanslarında benzeşim olmalıdır (Homoscedasticity). Yani X ve Y arasında varyans bakımından anlamlı ilişki olmalıdır: Örneğin, “r”, t-testi veya F testi yaptığımızda X ile Y arasında anlamlı ilişki bulunmalıdır. Aksi taktirde regrasyon analizine gerek kalmaz.

Mesafeli ölçek varsayımı: Ölçme en az mesafeli ölçek kullanılarak yapılmalıdır. Sosyal bilimlerde kademeli ölçekler de kullanılmaktadır. İki zıt kategorili (dichotomous variable) değişkenler de kullanılır.

Temel Sınırlılıkları Bütün regrasyon (ve korelasyon) tekniklerinin ana düşünsel

sınırlılığı şudur: ilişkileri deney sonucu bulabilir; fakat altta yatan nedensel mekanizmalardan asla emin olamayız. Örneğin, analiz bir yangının neden olduğu hasar ile yangını söndüren itfaiyeci sayısı


arasında anlamlı ilişki bulabilir. Bu ilişki sonucunda “itfaiyecilerin sayısı arttıkça hasar da artar” hipotezi oluşturulabilir mi? Oluşturulabilir ve deney sonucu hipotez doğrulanabilir. Binayı yıkması, itfaiyecinin hasara neden olduğu anlamına değildir. Hasar bir sürecin (yangın söndürme sürecinin) kaçınılmaz bir sonucu olarak ortaya çıkmaktadır. Bu örnek oldukça açık, fakat gerçek korelasyon tasarımında alternatif nedensellik açıklamaları çoğu kez yoktur. Bu sorunu azaltmanın koşulu geçerli gerekçelerle bir kuramsal çerçevenin oluşturulmasıdır.

Değişken seçimi Basit veya çok değişkenli regrasyonda en önemli sorunlardan biri

doğru değişkenlerin seçimidir. Özellikle çoklu regrasyonda “bir sürü değişken katılırsa, birkaçı sonunda anlamlı çıkacaktır” tutumu yanlıştır. Bu sorunu veri toplamak için kullanılan denek veya gözlem sayısı azlığı daha da ciddi yapar. 10 kişiye sorulan 80 sorulu bir anketten çıkartılan sonuç geçerlilik bağlamında çok şüphelidir. Genel olarak en az tasarımdaki değişkenlerin 10 ile 20 katı kadar gözlem (veya denek) sayısı olmalıdır. Aksi taktirde regrasyon çizgisi ölçüleri/tahminleri büyük olasılıkla güvensiz olacaktır ve tekrardan incelenemeyecektir.

Multicollinearity ve Matrix Ill-Conditioning Bağımsız değişkenlerin aralarında olan korelasyondur. Bu durum

birçok korelasyon analizinde genel sorundur. Örneğin tasarımda iki bağımsız değişken olsun: (1) kilo olarak ağırlık ve (2) gram olarak ağırlık. Dikkat edilirse bu iki bağımsız değişkenden biri tümüyle fazlalıktır. Birine karar verilmesi gerekir. Hangisinin daha iyi “tahmin edici” olduğunu test etmek saçmalık olur. Boy uzunluğunu bağımlı ve ağırlığın iki ölçüsünü bağımsız değişken olarak ele alıp çok değişkenli regrasyon analizi yapmak isteyen bir tasarım da aynı soruna sahiptir. Bir veya birden fazla değişken olduğunda bu sorun tasarım titizlikle yapıldığında ortadan kaldırılabilir. Fakat tasarımda birçok değişken olduğunda tespit güçleşebilir. Sorun çözümü tasarımda sunulan hipotezlerin ve katılan değişkenlerin ayrıntılı gerekçelerle verilmesiyle önlenebilir. Bazen sorun istatistik süreçte ortaya çıkartılabilir. Bunun için kısmi korelasyon ve Ridge regrasyon gibi testler yapılabilir.


Artakalan analizin önemi Regrasyonun varsayımlarının çoğu açıkça test edilemez, fakat

ciddi ihlaller tespit edilebilir ve önlemler alınabilir. Uç değerler regrasyon çizgisini belli yöne çekerek sonucu ciddi bir şekilde etkileyebilir. Uç değerlerin çıkartılması önceki sonucu önemli şekilde değiştirebilir. Bu nedenle artakalan/residual analiz önemlidir.

Regrasyon analizini kullanmayla ilgili uyarılar

• Regrasyon analizi bağımsız ile bağımlı değişken arasındaki doğrusal ilişkiyi yakalayabilir. Bu nedenle, önce scattergram ile ilişkinin doğrusal olup olmadığı tespit edilmelidir.

• Bir veya birden fazla bağımsız değişkenle bir bağımlı değişken arasında yapılan testte R2 değeri kendiliğinden nedensellik bağını anlatmaz. İstatistiksel analiz birçok anlamlı sonuçlar verebilir, fakat korelasyon ve nedensellik için anlamlı gerekçelerle gelen bir kuramsal gerekçenin inşası ve bu inşadan hareket ederek test edilecek nedensellik bağlarının oluşturulması gerekir. Bir araştırmaya bilimsellik karakterini veren istatistik değildir, çünkü istatistik sadece bir araçtır.

• Bağımsız değişkenin tahmin için kullanılacak değeri formülü kurmada kullanılan değerler aralığı dışında ise, regrasyon formülü bağımlı değişkeni tahminde güvenilir sonuç vermeyebilir. Örneğin ne kadar satış olacağıyla ilgili regrasyon formülünü çıkartmak için tasarımda halkla ilişkiler ve reklam harcamaları için mesafe/aralık (range) 50 milyar lira ile 500 milyar lira olarak saptandıysa, 30 milyar veya 750 milyar harcamayla ne kadar satış olacağı tahmininde hata olasılığı ortaya çıkar.

• Y değişkenine etki eden etken olarak seçilen değişkenlerin (predictors) içine, kriter (bağımlı) değişkeni, örneğin, % 70 açıklayan bir etken (predictor) değişkeni koymamış olabiliriz. Bunu bilemeyiz. Eğer bağımsız değişkenler birlikte yeterince (örneğin, %70) açıklayamıyorsa, onun anlamı ya daha önemli bir veya birkaç değişkeni (predictor) dışarıda bıraktığımızdır; ya da tasarımın ölçmek istediğini ölçemediğidir.


Regrasyonda dört temel soru sorulur:

1. bağımsız ile bağımlı değişken arasındaki ilişkiyi ifade edecek tahmin değişkenlerinin doğrusal bileşimi bulunabilir mi?

Y = a + b X Y= DV bağımlı değişken a = Intercept başlangıç noktası; kesişme noktası b = slope of the line çizginin eğimi, regrasyon katsayısıdır X = IV bağımsız değişken

Kesişme noktası (intercept) bağımsız değişkenler sıfır değerinde olduğunda bağımlı değişkenin aldığı değerle regrasyon çizgisinin başladığı noktadır. Intercept hakkında yorum yapılmaz. Bu noktada X= 0 olur ve kesişme noktası Y ekseni üzerinde oluşur. Bu bazen gerçek bir anlama sahiptir, bazen, veri gözlemlenenin ötesine uzatılamadığı için, anlamsızdır.

Slope (b) X’deki her birim değişme Y’deki değişmeyi belirleyen katsayıdır. Diğer bir deyimle, b katsayısı regrasyon çizgisinin eğimidir: b değeri artıkça, eğim dikleşir, bağımsız değişkendeki her birim değişim bağımlıda daha çok değişim yaratır. Birden fazla bağımsız değişken olduğunda b katsayısı “kısmi regrasyon” katsayısıdır (partial regression coefficient).

Beta ağırlıkları (beta weights) standartlaştırılmış veri için regrasyon katsayılarıdır (= b). Beta, bağımsız değişken bir standard sapma arttığında (diğer değişkenler sabit kalırken) bağımlıda olan ortalama artmadır. Beta ağırlıklarının oranı bağımsız değişkenlerin tahminsel öneminin oranıdır. Örneğin, bir çocuğun okul ortalamasını zeka seviyesinden tahmin edilebilir: 52

a = 1, b = 0.02 ve zekası X = 130 olsun: Y = a + b * X Y = 1+.02 x 130 = 3.6. (3.6 okul ortalaması tahmini)

52 DİKKAT: Regrasyon denklemini kullanarak bağımsız değişkenin mesafesi

(range) dışında Y değerini tahmin etme doğru olmayabilir; çünkü gözlemlenen veya ölçülen mesafe (range) ötesinde linear ilişki olup olmadığı belli değildir.


2. Linear bileşim değerlerinden bağımlı değişken değerleri ne kadar (ne oranda) tahmin edilebilir?

Bu amaçla R kare değerine bakarak açıklama yüzdesi bulunur. R2 herhangi bir bağımsız değişken tarafından bağımlı değişkende açıklanan varyans yüzdesidir. Bu yüzdede aynı zamanda bu bağımsız değişkenin diğer bağımsız değişkenlerle ortak olan (kontrol edilmeyen ortak) varyanslar da vardır.

R2 bağımsız değişkenler bilindiğinde, bağımlı değişkeni tahminde hata azaltma yüzdesi olarak yorumlanabilir.

Yeni değişkenler ekleyerek R2 değeri yükseltilebilir ve hatta en yüksek seviyeye çıkartılabilir. Yeni değişkenler ekleme ancak geçerli kuramsal gerekçelerle yapılırsa anlamlıdır.

İki ayrı zamanda yapılmış tasarımın R2 sonuçları karşılaştırılamaz, çünkü bağımsız ve bağımlı değişkenlerdeki varyanslar farklı olacaktır.

Adjusted R2 eklenen değişkenleri göz önünde bulundurarak hesap yapar ve daha konservatiftir. Bir veya birkaç bağımsız olduğunda R2

ve adjusted R2 değerleri aynı olacaktır. Değişken sayısı arttıkça farklılık ortaya çıkacaktır.

3. Genel ilişki istatistiksel anlamda anlamlı mı?

Bu amaçla (a) regrasyon iki değişken ile yapıldıysa t testi (veya anova) değerlerine bakılır; (b) Regrasyon çok değişkenle yapıldıysa ANOVA’nın F değerine bakılır.

T-test b katsayısının anlamlılığını bulmak için kullanılır. Test sonucuna göre, % 5 seviyesinde anlamlı olmayan değişkenleri hesapta ve modelde kullanmamak gerekir. T-test “dummy variables” için kullanılmaz. F testi R’nin (dolayısıyla R2) anlamlılığını ölçmek için kullanılır. F değeri R2‘nin, bağımsız değişkenlerin sayısının ve gözlem/denek sayısının bir fonksiyonudur. Partial F testi İki R2‘nin anlamlılık farkını elde etmek için kullanılır.

4. Bağımlı değişkendeki değişmeye neden olan hangi etkenlerdir? Orijinal model, bağımlı değişkeni yeterince tahmine yer verecek birkaç etken değişkene azaltılabilir mi?


Bu soru çok değişkenli regrasyon analizi gerektirir. Çoklu analizde (multivariate) stepwise veya forward testiyle, 0.05 olasılık (% 95 güven aralığı) değeriyle, değişkenlerin katkısını gösteren kısmi (partial) korelasyonlarla bu belirlenir.

Korelasyon (Correlation): regrasyonda Pearson's r2 herhangi bir bağımsız değişken tarafından bağımlı değişkende açıklanan varyans yüzdesidir. Bu yüzdede aynı zamanda bu bağımsız değişkenin diğer bağımsız değişkenlerle olan ortak varyanslar da vardır.

Yarı-kısmi veya parça korelasyon (semipartial correlation veya part correlation): Bu rakamın karesi, diğer bağımsız değişkenler kontrol edildiğinde, bağımsız değişkenin açıklama yüzdesidir.

Standartlaştırma (Standardized) her veri için veriden ortalama çıkartılır ve sonuç standart sapmaya bölünür. Sonuçta her değişkenin ortalaması “0” ve standart sapması “1” olur. Bu yolla farklı olan değişkenler karşılaştırılabilir. Sadece standartlaştırılmış b katsayıları (standardized b-coefficients; beta weights), bağımsız değişkenlerin tahminsel gücünü karşılaştırmada kullanılır.

Basit regrasyon örneği

Zeka seviyesiyle problem çözmede harcanan zamanla ilgili ölçmeyi kullanarak “simple Linear Regression” analizi yapalım. Değişkenler:

Bağımlı değişken: Problem çözme hızı = saniye olarak ölçüldü. Bağımsız değişken (predictor): Zeka seviyesi = 0 ile 100 arası

değer alan puanlamayla ölçüldü. Hipotez:H0: slope = 0

Ha: slope <> 0 ya da H0: r = 0

Eğer olasılık değeri (p-value) düşük ise (0.05’den az), o zaman çizginin eğiminin (the slope of the line) sıfır olmadığına, dolayısıyla, iki değişken arasında anlamlı doğrusal ilişki olduğuna karar verilir.

(a) Tek değişkenli analizle değişkenlerin doğası hakkında bilgi edinilir (Tablo 17). Örneklemde kullanılan 400 akademisyenin ortalama zeka seviyesi 35 ve ortalama çözme hızı ise 25 saniye olarak bulundu. Standard sapma (ss) iki değişkende de oldukça azdır (2 ve 1.2).


Tablo 17. Değişkenlerin kendi içindeki dağılımı

Ortalama SS N

Çözme zamanı (saniye) 25.5 1.2 400

Zeka seviyesi 35.2 2.0 400

(b) Doğrusallığın varlığının belirlenmesi: Bu amaçla regrasyon çizgisini gösteren scatterplot grafiği çizilir (Şekil 17). Şekilde de görüleceği gibi ters yönlü doğrusal bir ilişki vardır.

Şekil 17. Scatterplot ile değişkenlerin gösterilmesi

• Regrasyon çizgisi tüm değerlere olası en yakınlığı ifade eder. • İki değişken arasındaki merkezi yönelimi belirler. • İki değişken arasındaki ilişkinin basitleştirilmiş tanımını (bir

model) sunar. • Bağımsız değişkenin değerinden bağımlı değişkenin değerini

tahmin olanağını sunar.

(c) Bağımsız değişkenin bağımlıyı açıklama oranının belirlenmesi: Bulgulara göre zekanın açıklama seviyesi R2 = 0.64’dür. R2 iki değişken arasındaki korelasyonun karesidir. Değişkenler arası ortak varyansın ölçüsüdür (coefficient of determination). Sonuca göre, zeka seviyesi problem çözme hızının % 64’ünü açıklamaktadır. Geri kalan % 36 diğer faktörler tarafından açıklanmaktadır (Tablo 18).


Tablo 18. Model Özeti (model summary)

Model R R 2 AyarlanmışR 2

Standart Tahmin hatası

1 .80 .64 .64 1.00

Bağımsız değişken (Predictors): (Constant), Zeka seviyesi

(d) Anlamlılık ve katsayıların hesaplanması: Tablo 19’da gösterilen bulgulara göre t testi 0.001 seviyede anlamlı çıktı. Dolayısıyla b katsayısı anlamlıdır. Bundan hareket ederek tahmin yapabiliriz.

Tablo 19. Standart ve standart olmayan katsayılar (coefficients)

Unstndrdzd Coefficients Std.

Error

Stndrdzd Coeffs T Sig.

Model b Beta

1 (Constant) 20.855 .292 71.347 .001

Zeka seviyesi -0.00514 .003 -.701 -19.632 .001

Bağımlı değişken: saniye olarak problem çözme zamanı

Örneğin, zeka seviyesi 80 ise, zaman 20.444 saniye olur. Zeka seviyesi 100 olduğunda, zaman 20.341 saniyeye düşer.

Formül: Y = a + b * X (a artı b çarpı x)

Zaman = 20.855 + (-0.00514) * zeka seviyesi

İkinci Örnek: 160 öğrencinin derse devam sayısı (X1) ve dersten aldıkları final

notlar ölçüldü (Y). Y ölçüsü 100 üzerinden yapıldı (Tablo 20).


1. İlk bakılacak: tek değişkenli analiz sonuçları

Her değişkenin kendi içindeki dağılımının belirlenmesi gerekir. Bu da betimleyici istatistikle (descriptive statistics) yapılır

Tablo 20. Betimleyici İstatistikler (descriptive statistics)

Mean Std. Deviation N

Not 62.22 15.383 160

Derse devam 5.34 3.128 160

Sonuca göre, sınıfın not ortalaması 62’dir ve derse devam ortalaması 14 haftada 5’dir. Dikkat edilirse sınıfın devam ortalaması ve aynı zamanda not ortalaması da düşüktür.

2. bakılacak: İlişkinin doğrusallığını belirleme

Scatterplot’da ilişki doğrusal görünüyor mu?

Yanıt: Şekil 18 ilişkinin doğrusal olduğunu göstermektedir.

Şekil 18. Scattergramda derse devam ile not ilişkisi

3. bakılacak: Anlamlı ilişkinin belirlenmesi Bunun için korelasyon katsayısı (correlation coefficient) değerine, F

testine veya bu analizde olduğu gibi t-testine bakarak karar verilir.

Yanıtı aranan sorular: Soru: Derse devam ile final notu istatistiksel olarak anlamlı mı? Yanıt: Anlamlı, çünkü anlamlılık (sig) değeri 0.01’den küçük

(Tablo 21).


Soru: Hangi teste göre? Yanıt: T-testine göre.

Tablo 21. Coefficients

Unstandrdzd Coefficients Standardzd

Coefficients T Sig.

Model b Std. Error Beta

1 Constant 43.156 1.666 25.9 .001

Derse devam 3.567 .269 725 13.25 .001

4. bakılacak: Nedensellikte etki oranının (ortak varyansın, açıklama yüzdesinin) belirlenmesi

Sonuca göre (Tablo 22), derse devam sınavda alınan notun % 52.6’sını açıklamaktadır. Cevabı aranan soru: Derse devam derste başarıyı (notu) tahminde yeterli görünüyor mu? Neden? Orta derecede yeterli, çünkü varyansın ancak % 52.6’sını açıklamaktadır (R2 = 0.526). % 47.4 gibi bir oran başka etkenler tarafından açıklanmaktadır. Hatta başka etkenler eklendiğinde derse devamın açıklayıcılığı düşebilir.

Tablo 22. Model Summary (Model Özeti, İngilizce)

Model R R 2 Adjusted R 2

Std. Error of the Estimate

.725 .526 .523 10.621

Regrasyon formülü: (regression equation) :

Y = a +bx (bx = b çarpı x) Y = 43.156 + 3.567* X

Örneğin derse devam 4 ise:

Y= 43.156 + 3.567 x 4 = 43.156 + 14.268 = 57.424


5. bakılacak: tahmini etkileyecek uç değerlerin varlığı

Grafikte artakalanlar rastlantısal görünüyor mu? (Şekil 19)

Yanıt: Hayır (nokta kümesinden uzak bir yerde birkaç nokta olsaydı, o zaman, yanıt evet olurdu).

Şekil 19. Artakalan (residual) grafiği

Dikkat edilirse: (not: 4 ve 5’i, 1’den sonra da koyabilirsiniz)

1. önce, her değişkenin kendi içindeki dağılımı belirlenerek, değişkenlerin ortalama, minimum, maksimum ve standart sapmaları hakkında bilgi edinilmekte;

2. hem değişkenler arasındaki anlamlı ilişkiye bakmak hem de birden fazla bağımsız değişken varsa, bağımsız değişkenler arasındaki etkileşimin olup olmadığına karar vermek için Correlation matrix (bivariate veya regression) tablosuna bakılmakta;

3. Açıklama seviyesini belirlemek için coefficient tablosu çıkartılmakta ve a, b ve R2 değerlerine bakılmaktadır.

4. (Görsel karar ile) ilişkide doğrusallık belirlenmektedir.

5. Uç değerlerin varlığını/yokluğunu belirlemek için artakalan grafiğine bakılmaktadır. Zaten, uç değer varsa, grafikte görülür.

BÖLÜM VIII

GRUPLARI KARŞILAŞTIRMA

Grupları karşılaştırma iki veya ikiden fazla grupla yapılabilir. İki grubun karşılaştırması için t-testi ve ikiden fazla grubu karşılaştırmak için varyans analizi (ANOVA) kullanılır.

İKİLİ KARŞILAŞTIRMA: T-TESTİ

İkili karşılaştırmada üç tasarım türü vardır: Tek grup, bağımlı grup ve bağımsız grup t testleri.

T-testinin temel koşulları:

(a) Normal dağılım

(b) Olasılıklı örneklem (bazen bu kural çiğnenir)

(c) Mesafeli ölçek kullanımı (bazen bu kural da çiğnenir)

(d) Doğrusallık (linear).

T test bir yönlü (1 tailed) veya iki yönlü (2 tailed) olarak iki türdür. Hipotez ilişkinin yönünü belirttiği zaman tek-yönlü test kullanılır. Hipotez ilişkinin yönünü belirtmediğinde iki-yönlü test yapılır.

Tek Grubu Karşılaştırma: Tek örneklem t-testi

Tek grupla yapılan karşılaştırmada, bir grubun merkezi yönelimi önceden belirlenmiş bir standartla karşılaştırılır. Amaç, test edilen grubun standardın altında, üstünde veya standarda uygun olup olmadığını araştırmaktır.

Tablo 23 çalışan insanların haftada toplam kaç saat televizyon izlediklerinin, 8 saat olarak belirlenen ulusal izleme seviyesiyle karşılaştırılma sonucunu göstermektedir.

Tabloda test değeri (test value) karşılaştırma yapılan standart değeri gösterir. Ortalama farkı (mean difference) standart değer ile çalışan insanların izleme ortalaması arasındaki farkı göstermektedir.

Grupları Karşılaştırma 330

Tablo 23. Tek örneklem T-Testi

Test değeri = 8 (Karşılaştırılan standart değer)

T Sd Anlamlılık (2 tailed)

Ortalama Farkı

% 95 güven aralığı Alt Üst

İzleme 11.47 19 0.000 - 1.25 - 1.437 - .993

Sonuca göre, ortalama farkı “–1.25” çıkmış. Eksi işareti standarttan düşük olduğunu anlatır. Bu farkın anlamlı olup olmadığını “anlamlılık” (significance; 2 tail) sütunundaki olasılık değeri belirler. Olasılık değeri 0.000 olarak çıkmış. Dolayısıyla, çalışan insanların izleme yoğunluğu anlamlı seviyede, t(19) = 11.47, p = 0.001, standardın altındadır.

Eşleştirilmiş Çiftler Karşılaştırılması: Bağımlı iki örneklem t-testi

Bu tür analizde, iki data seti bir şekilde diğeriyle ilişkilidir; bağımsız değildir. Örneğin, tek bir gruptan iki ayrı ölçme alınabilir ve bu tasarımdaki amaç, grubun bir uygulama öncesi durumuyla uygulama sonrası durumundaki farklılığı bulmak olabilir. Ya da, örneğin 30 evli eş alınır ve eşlerin haftada ev işinde harcadığı ortalama zaman farkı incelebilir (Burada, bağ/eşleşme, verilerin eşlere ait olması).

Örnek: Tasarımda öğrencilere dönemin ilk gününde bir test yapıldı. Dönem sonunda aynı test tekrar uygulandı. Böylece sınıfın derste başarısı değerlendirildi Tablo 24).

Tablo 24. Öncesi ve sonrası merkezi yönelim dağılımı

Ortalama N Standart Sapma

Ortalama Standard hata

Öncesi 62.76 134 15.874 1.371

Sonrası 68.97 134 18.291 1.580

Tablo 24’de görüldüğü gibi, 134 kişilik sınıfta öncesi testin ortalaması 62.76. Standart sapma oldukça yüksek (15.87); bu bulguya göre, sınıf seviye bakımından vasat ve heterojen bir yapıya sahip.


Sonrası testi sonucunda sınıfın yine vasat kalmıştır (68.97). Standart sapma artmış (18.29) ve dağılım daha da heterojen olmuştur.

Şekil 20 dağılımın öncesi ve sonrasındaki biçimi göstermektedir. Grafikteki dağılım yukarıdaki bulguyu görsel olarak kanıtlamaktadır.

Şekil 20. Öncesi ve sonrası testi dağılım grafiği

Bu dağılımın anlamlı olup olmadığına bakmamız gerekir: Bunun için eşleştirilmiş t-testi sonuçlarına bakılır (Tablo 25).

Tablo 25. Eşleştirilmiş örneklem t-testi

Eşleştirilmiş Farklar (Paired differences)

T sd Anlamlılık (2 tail) Ortalama

Std

sapma

% 95 Güven aralığı

Alt Üst Öncesi – Sonrası - 6.21 5.70 - 7.18 - 5.24 - 12.6 133 .001

Önce, öncesi ve sonrası arasında anlamlı bir fark olup olmadığına karar vermek için “anlamlılık (significance)” sütununa bakılır. Sütunda sonuç 0.001 olarak çıkmış. Bu sonuca göre, t(133) = -12.6, p = 0.001, anlamlı bir fark var. Farkın ne kadar olduğunu bulmak için “ortalama” (mean) sütununa bakılır. Sütunda sonuç – 6.21 olarak çıkmış. Bunun anlamı: Ders sonucunda sınıf ortalaması 6.21 artmış. Bu artış istatistik bağlamda anlamlı, fakat eğer 60-70 arası vasat olarak kabul edilirse, sınıftaki değişmenin vasatın üstüne çıkmadığı görülür. Tasarımda bundan sonraki araştırma değişimin kaynağı üzerinde durabilir.

Öncesi

12

10

8

6

4

2

0

sonrası

14

12

10

8

6

4

2

0


Dikkat: Ortalamalar farkının eksi çıkması negatif ilişki olduğunu anlatmaz; ikinci grubun ortalamasının birinciden büyük olduğunu anlatır. Sonuç istatistik bağlamda anlamlıysa, fark olmadığını belirten yokluk hipotezi reddedilir; alternatif hipotez kabul edilir.

Bağımsız İki Grubun Karşılaştırılması: Bağımsız örneklem t-testi

Bu tür tasarımda iki ayrı nüfus vardır ve bunlardan örneklem alınır. Amaç bu iki nüfusun (grupların) herhangi bir özelliğinde benzerlik veya farklılıklar bulmaktır. O zaman, iki gruptan olasılıklı olarak alınmış iki örneklemin ortalamalarını karşılaştıran bağımsız grup (independent group) t-testi kullanılır. Örneğin, Taşkent Üniversitesi İletişim Fakültesi öğrencileri ile Ankara Üniversitesi İletişim Fakültesi öğrencilerinin başarısı karşılaştırılsın. Tablo 26’da bu iki grubun 10 üzerinden başarı değerlendirilmesi sonucu sunuldu.

Tablo 26. Grup istatistikleri

Gruplar N Mean Std Std Error Mean

Başarı Birinci Grup İkinci Grup

190 210

3.91 6.67

2.027 0.697

.465

.152

Bulguya göre, birinci grupta 190 kişi var; grup ortalaması çok düşük (3.9) ve standart sapması yüksek (2.027). Yüksek standart sapma grubun heterojen olduğunu; yani başarı notu bağlamında tipik dağılımın çok kötü ile orta arasında değiştiğini göstermektedir. İkinci örneklemi/grubu 210 kişi oluşturmaktadır; grubun ortalaması iyiye yakın seviyededir (6.67); standart sapma seviyesi düşüktür (0.697). Grup not dağılımı bağlamında homojen bir karakter taşımaktadır.

Soru: yukarıdaki farklar anlamlı mı? Bunun için tablo 27’ye bakılır:

Önce Levene’s test sonucuna bakarak, iki grup arasında varyans farkı olup olmadığına bakmak gerekir. Test sonucuna göre, anlamlılık değeri (sig) 0.000 çıkmış; dolayısıyla, iki grubun varyansları arasında fark vardır. Bu durumda, t-testi sonucunu değerlendirirken, “equal varyans not assumed” (eşit varyans varsayılmadı) satırına bakmak

Çok Değişkenli Analiz 353

ÇOK DEĞİŞKENLİ VARYANS ANALİZİ (MANOVA)

Çok değişkenli varyans analizi (MANOVA) grup ortalamaları arasındaki farkları test etme tekniklerinin çok değişkenli uzantısıdır.

Grup karşılaştırmasında iki grup olduğunda t-testi kullanılır. İki grubun çoklu varyans analizi Hotellin T2 testi ile yapılır.

Grup karşılaştırmasında ikiden fazla grup olduğunda ANOVA kullanılır. ANOVA tasarımı, bir bağımlı değişken ve birden fazla bağımsız değişken kullanarak yapılan basit ve genel faktör analizleridir. Bu analizlerde, gerçi birden fazla grupla çalışılır, fakat grupların bağımlı değişkene ayrı ayrı etkileri incelendiği için tek-değişkenli analizlerdir. Çok grubun kullanıldığı varyans analizinde MANOVA kullanılır.

ANOVA’da tek bağımlı değişken vardır. MANOVA’da birden fazla bağımlı ve bağımsız değişken vardır.

ANOVA bir bağımlı mesafeli ölçeğin ortalamasında farklılıkları test eder. MANOVA çoklu mesafeli bağımlı değişkenlerin ortalamalarının vektöründeki (centroid) farkları test eder.

Çok değişkenli analiz, anova ve ortak-varyans (covariance) analiz tasarımlarında, iki veya ikiden fazla birbiriyle ilişkili bağımlı değişkenler kullanır. Bunlarla bir veya birden fazla bağımsız değişkenler arasında test yapılır. Örneğin, yazılı ve sözlü sınav notları bağımlı değişkenler; kullanılan eğitim yöntemi ve cinsiyet bağımsız değişken olsun. Bu tasarımda yazılı ve sözlü sınav notları birbiriyle ilişkilidir.

Tasarımda eğer tek bağımlı veya birden fazla bağımlı, fakat ilişkisiz değişenler varsa, o zaman, ya basit anova (one way anova) ya da iki veya çok faktörlü anova (general factorial anova; two way anova) kullanılmalıdır.

Eğer aynı bağımlı değişken her denek için farklı durumlarda ölçüldüyse, o zaman tekrarlanan ölçüler (repeated measures) süreçleri kullanılmalıdır. Bu tür tasarım özellikle deneysel araştırmada kullanılır.


MANOVA’nın farklı amaçları vardır:

• Kategorili bağımsız değişkenlerden oluşan grupları grup farkları bağlamında mesafeli bağımlı değişkenler setiyle karşılaştırmak.

• Bağımsız değişkenler setini daha az sayıda değişkenlere azaltmak için bağımlı değişkenler setindeki farklılık azlığını kriter olarak kullanmak. Böylece, bağımlı değişkenler setini (grubunu) en fazla ayırt eden bağımsız değişkenleri belirlemek.

Çok değişkenli ANOVA çok bağımsız değişkenle ilgilenir. İki bağımsız değişken bir birincil-dize etkileşime (first order interaction) sahiptir: XY. Üç bağımsız değişken üç birincil-dize (XY, XZ, YZ) ve bir ikincil dize etkileşime, dolayısıyla toplam 4 etkileşime sahiptir. Dört bağımsız değişken olduğunda 6 birincil dize, üç ikincil dize, bir üçüncül dize ve toplam 10 etkileşim vardır. Etkileşim sayısı arttıkça modeli yorumlamak gittikçe zorlaşır.

Temel varsayımları:

• Gözlemlerin (verilerin) birbirinden bağımsız olması gerekir.

• Bağımsız değişken kategorilidir (grup).

• Bağımlı değişkenler mesafeli veya oranlıdır.

• “Residuals” rastlantısal dağılmıştır.

• Varyanslar ve ortak-varyanslar homojendir. Bunu belirlemek için Levene’s test kullanılır (homoscedasticity test).

Ana etki (Main effect): Her bağımsız değişkenin kendi başına etkisi anlamınadır. 2 X 2 tasarımda, iki ana etki vardır.

Etkileşim (Interaction): Bir bağımsız değişkenin etkisinin diğer bağımsız değişkenin belli seviyesine bağlı olduğu anlamınadır.

Kullanılan istatistik testleri:

MANOVA analizinde birbirini takip eden iki istatistik testi vardır:

(a) Birinci test “ortalama farkı olmadığını” belirten yokluk hipotezini test için kullanılan F-testidir.

(b) İkinci testler, eğer F testi bağımlı değişkenlerin ortalamalarının vektörü bağımsız değişken kategorilerinin oluşturduğu bütün gruplar


için aynı değilse (yani anlamlı fark bulunduysa), grup farklarının doğasını bulmak için çoğunlukla aşağıdaki dört testten biri kullanılır:

• Hotelling's T-Square (T2): Bağımsız değişkenlerden oluşan iki grup olduğunda en çok kullanılan testtir.

• Wilks' lambda, U: Bu test bağımsız değişkenlerin oluşturduğu grup ikiden fazlaysa kullanılır. Lambda küçüldükçe, fark büyür.

• Pillai-Bartlett trace, V: Multiple discriminant analysis (MDA) MANOVA’nın bir parçasıdır. V konservative olması nedeniyle tercih edilir.

• Roy's greatest characteristic root (GCR): V testine benzer, fakat normallik varsayımının ihlali durumunda güvenirliliği diğer testlere nazaran daha azdır.

Örnek:

A ve B bağımsız değişkenlerin olduğu bir tasarım olsun. A değişkeninin her seviyesi B’nin her seviyesiyle kombinasyon içinde görünsün. Diyelim ki yöntem dersinde öğretmen tesadüfi olarak sınıfı ikiye ayırdı. Birinci grup final ödevini masaüstü/desktop bilgisayarla yazacak ve ikinci grup ise daktiloyla. Sonra öğrenciler üç gruba ayrıldı: Klavyeyle yazma becerisi olmayanlar, orta derecede yazanlar ve iyi yazanlar. Bağımlı değişken bu ödevlerden alınan notlar olsun.

İlk değişken (A) Metod olarak adlandırılsın. Metod iki kategoriye sahip: a1 = daktilo a2 = bilgisayar. İkinci değişken (B) beceri olarak adlandırılsın. Beceri üç seviyeye sahip olsun: b1 = hiç b2 = biraz b3 = çok. Dikkat edilirse A’nın her seviyesi B’nin her seviyesinde olacaktır. Bu nedenle bu tür tasarıma yuvalanmış (nested) tasarım denir (Stockburger, 1993).

Testte önce ortalamalar tablosuna (table of means) bakılır (Tablo 43) ve bu tablodaki sonuçlar açıklanır. Sonra ANOVA özet (summary) tablosundaki istatistiksel sonuçlar yorumlanır ve ortalamalar tablosundaki ortalamaların anlamlı olanları üzerinde durularak gerekli açıklamalar yapılır.


Tablo 43. Ortalamalar tablosu

b1 b2 b3 Toplam

a1 26.72 30.92 33.28 30.31 a2 28.06 36.62 27.08 30.58

Toplam 27.39 33.78 30.18 30.45

Kaynak: David W. Stockburger ( 1993).

Hücrelerin içindeki ortalamalara hücre ortalamaları denir. Toplam altındaki ortalamalara marjinal ortalamalar denir. Alt sağ köşedeki ortalama genel ortalama (grand mean) olarak nitelenir. Ortalamalara bakıldığında A’nın farklı seviyelerinin B içindeki marjinal dağılımı çok az farklılık göstermektedir (30.31 ve 30.58). Öte yandan B’nin A içindeki marjinal ortalamaları arasında fark olduğu görülmektedir (27.39, 33.78, ve 30.18). a1’in B içindeki dağılımı artan bir yönelim göstermektedir: 26.72; 30.92; ve 33.28. a2‘de ise farklı seviye göstermektedir: 28.06; 36.62; ve 33.28.

Anova özet tablosu bu ortalama dağılımının anlamlılığını göstermektedir (Tablo 44).

Tablo 44. MANOVA özet tablosu

Test of Significance for X using UNIQUE sums of squares

Source SS DF MS F Sig

Within cells 139.36 12 11.61

A .36 1 .36 .03 .863

B 123.08 2 61.54 5.30 .022

A by B (interaction) 108.73 2 54.36 4.68 .031

Kaynak: David W. Stockburger ( 1993).


Ana etkiler (Main effects):

A’nın ana etkisi iki metodun final sınav notu ortalamaları arasındaki farktır. Bu farkta becerinin etkisi hesapta yoktur. ANOVA sonucuna göre bu fark (30.31 ve 30.58) istatistik bazda anlamlı değildir (sig. = 0.863 > 0.05)

ANOVA testi sonucuna göre B’nin ana etkisi p = 0.02 seviyesinde anlamlıdır. Ortalamalar dağılımında bu fark açıkça görülmektedir: 27.39; 33.78, ve 30.18.

Basit ana etki (simple main effect) ikinci değişkenin bir seviyesinde bir değişkenin ana etkisidir. Örneğin B’nin a1 seviyesindeki ana etkisi a1 seviyesindeki üç hücre ortalamaları (26.72; 30.92, ve 33.28) arasındaki fark olacaktır. Aynı şekilde, A’nın b3 seviyesinde basit ana etkisi (33.28 ve 27.08) üzerinde de durulabilir.

Etkileşim etkisi (Interaction effect) bir değişkenin basit ana etkisinin ikincinin seviyeleri üzerindeki değişimidir. A değişkeniyle B arasındaki etkileşim B’nin A’nın seviyeleri üzerindeki basit ana etkisindeki değişimdir. Ya da A’nın B’nin seviyeleri üzerindeki basit ana etki değişimidir. A ile B arasındaki interaction testi sonucuna göre 0.03 anlamlılık seviyesinde bir interaction etkisi olduğu ortaya çıkmaktadır.

TEKRARLANAN ÖLÇÜLER VARYANS ANALİZİ

Tekrarlanan ölçüler tasarımında veri aynı kaynaktan zaman içinde tekrar toplanır. Bir veya birden fazla zamanlarda ölçümler alınır. Ölçmeler kırsal alanda yaşayan ailelerden, turistlerden, tüketicilerden, televizyon izleyicilerinden, gazete okurlarından, öğrencilerden, bir şirkette çalışan işçilerden, bir devlet kurumunu kasıtlı olarak çalışmaz hale getiren yöneticilerden, beşinci sınıf seviyesinde aritmetik bilgisi olmayan bir başbakandan alınabileceği gibi, herhangi bir nesneden (örneğin dikilen fidanlardan) alınabilir. Önemli olan ölçmelerin aynı kişi veya nesneden alınması gerekir. Bu nedenle tekrarlanan ölçümler denmektedir.


FAKTÖR ANALİZİ

Faktör analizi birçok değişkenler arası ilişkiyi analiz etmek ve bu değişkenleri altlarında yatan ortak boyutları bağlamında açıklamak için yapılır. Amaç bu değişkenlerdeki enformasyonu minimum bilgi kaybıyla az sayıdaki boyutlara (faktörlere) indirmektir. Dikkat edilirse, faktör analizinin iki temel amacı vardır:

(a) Değişkenler arasındaki ilişkinin yapısını bulmak: Bunun için değişkenler arasında korelasyon testi yapılır. Test sonucunda değişkenler kategoriler içine gruplandırılır.

(b) Veri azaltma (data reduction): Bu yolla sonraki araştırmalarda kullanmak için çok sayıdaki değişkenler arasından onları temsil eden değişkenler belirlenir. Bu analiz yapı bulma bağlamında keşfedici (exploratory) bir tasarımdır. Bu analiz sonucunda, az sayıda yeni değişken setleri yaratılır. Bu yeni değişkenler kısmen veya tamamen orijinal değişken setlerinin yerini alır.

Faktör analizinde gözlem sayısı analiz edilen değişkenlerden en az 5 misli fazla olmalıdır. Genel olarak onda bir oran kabul edilen sayıdır.

Faktör analizini uygulama aşamaları:

• “initial factor solution” ile temel bilgi edinme • “rotation” ile test ve test sonucunun yorumu • Bulunan faktörlerden ve faktör altına düşen ifadeler

(items) yardımıyla ileride kullanmak için faktör oluşturma, faktör değerleri belirleme veya ölçek geliştirme.

Faktör analizinin çıktısı birkaç şey verir: (a) En önemlisi ileri analiz için hangi faktörlerin tutulacağını saptamada yardım eder. (b) Faktör sayısını belirlemede bir kural “"eigenvalue greater than 1" kuralıdır. Bunun kabaca anlamı, tutulacak her faktör, analizde kullanılan değişkenlerden en azından birinin varyansını açıklamaktadır. (c) Faktörler birbirine “orthogonal,” yani ilişkili olmayacaktır.

Eigenvalue: Bir faktörle ilgili standartlaşmış varyanstır. Eigenvalue değerleri toplamı analizdeki toplam değişkenler sayısı kadardır. Eigenvalue değeri bağımlı değişkendeki varyansla ilişkilidir. Değerin


yüksek çıkması, o faktörün bağımsız değişkendeki varyans oranına katkısının yüksekliğini anlatır. Araştırmacı faktör saptamada hangi eigenvalue değerinden yükseğini faktör grubu için alacağını önceden saptar. Bu da 1 ve 1’den büyük değer olarak belirlenir (Tablo 45).

Tablo 45. Faktör analizi sonucu

Factors Eigenvalue % of variance

Cumulative % of

variance 1 2.6379 44.4 37.4 2 1.9890 39.1 83.6 3 0.8065 8.7 92.5 4 0.6783 5.3 98.5 5 0.3789 2.5 100.0

Ortaklık (Communality): Faktör analizinde, ortak faktörler

tarafından açıklanan bir değişkenin varyansının oranıdır. Yani, faktörler ortak olarak bağımlı değişkeni ne oranda açıkladığıdır.

Faktör analizi sonucunu yorum aşamaları: (1) Çıktıdaki yükü (loadings) analiz etme (2) Her değişken için en yüksek yükü belirleme (3) Değişkenlerin ortaklıklarını (communalities) belirleme (4) Faktörleri isimlendirme

Faktör analizinde sonuçların yorumu Pearson correlation (r) gibidir: Değer - 1.00 ile + 1.00 arası değişir. Faktörler sıralamasına bakılır ve eigenvalue 1 ve 1’den fazla olanlar seçilir. Bunlar kullanılacak faktörleri oluşturur. Örneğin Tablo 45’de ikinci faktörden sonra eigenvalues değeri birden küçük olduğu için, faktör sayısı sadece iki olarak belirlenir. “Cumulative % of variance” sütunundaki ikinci satır iki faktörün, toplam/total varyansın % 83.6’sını açıkladığını gösterir. Faktör başlığı altındakiler ise her bir faktör ile genel faktör arasındaki ortak-ilişkiyi (correlation) temsil eder: Örneğin Tablo 45’deki sonuçta Faktör 1 toplam varyansın % 44.4 ve Faktör 2 % 39.1 kadarını açıklamaktadır.


Süreç: Model kurulur ve model şöyle çalışır:

1. Path diyagram kullanılarak değişkenlerin birbiriyle nasıl ilişkili olduğu gösterilir.

2. Bunun değişkenlerin varyansları ve ortak-varyansları için imalarının ne olduğu açıklanır.

3. Kurulan model test edilir. 4. Test sonuçları sunulur. 5. Modelin veriye uygun olup olmadığına karar verilir.

ÇOK BOYUTLU ÖLÇME

Genellikle metrik ve metrik olmayan olarak iki tür çok boyutlu ölçme (multidimensional scaling) vardır. Metrik ölçmede/analizde veri mesafeli seviyede olmalıdır. Metrik olmayanda “Correspondance analysis” denen test kullanılır ve ölçme/veriler kademeli olmalıdır.

Çok boyutlu ölçme süreci ve çıktısı Faktör analizi çıktısına benzer. Bu tür ölçeklemede dört temel safha vardır:

1. Veri toplama ve benzerlik\farklılık matriksinin biçimlenmesi;

2. Stimulu koordinatlarının çıkarılması; 3. Koordinat sayılarını belirleme; 4. Rotasyon ve yorumlama.

KÜME ANALİZİ

Küme analizi (cluster analysis), araştırmacı tarafından seçilen karakterler bazında homojen kümeler (clusters) oluşturmak için kullanılır. Böylece, elimize oldukça homojen gruplar geçer. Çeşitli ölçek seviyesinde kullanılabilir. Bu tür analizlere “benzerlik ölçüleri’, “yakınlık ölçüleri” veya “ilişkililik/association” ölçüleri isimleri verilir. Küme analizinde, diğer benzer analizlerde olduğu gibi kaç küme (cluster) alınıp kaçının alınmayacağı kararı verilmelidir. Örneğin, araştırmacı izleyici karakterleri seçer ve bu karakterlere/özelliklere göre televizyon programlarını homojen kategorilere ayırmak için küme (cluster) analizi yapar.


Bir diğer örnek, yeni bir ürünü (örneğin film, program, mecmua, tüketim maddesini) pazarlamak amacıyla pazarın bölümleri belirlenmek istendiğinde, Coğrafik bölgeler homojen gruplara ayrılır ve uygun bölgeler pazarlama politikasını uygulamak için seçilir.

Eğer kaç tane küme kullanılacağı biliniyorsa, K Cluster analizi yapılır. Eğer kaç küme oluşturulacağı hakkında kesin bilgi yoksa, o zaman Hierarchical Cluster analizi yapılır.

AYIRDETME ANALİZİ

Tasarımda bağımsız değişkenler seti ve belli gruplar varsa; amaç bağımsız değişenler seti ile grup üyeliğini tahmin etmekse, o zaman ayırdetme/discriminant analizi yapılır. Bu analizde, bağımsız değişenlerle bağımlı değişkendeki kategoriler arasındaki bağ belirlenir. Bağımsız değişenler eğer isimsel ölçekle ölçüldüyse, yapay (dummy) değişken (0 ve 1) olarak kodlanmalıdır. Bağımlı değişkende ise fazla kategori olmamalıdır. Eğer bağımsız değişken sadece iki kategorili ise, o zaman, Logistic Regression daha uygun olabilir. Eğer interval ölçek ise, Linear regrasyon kullanılmalıdır.

Ayırdetme analizi (discriminant analysis) ve logistic regrasyon bağımlı değişken kategorili (isimsel, kademeli veya gruplandırılmış) ve bağımsız değişkenler mesafeli veya oranlı olduğunda uygun testlerdir.

Ayırdetme/discriminant analizi iki veya çok gruplarda kullanılabilir. İki gruplandırma olduğunda, iki grup discriminant analiz yapılır. Çoklu grup olduğunda çoklu discriminant analiz (MDA) yapılır.

Amaçları:

• İki veya çok gruptan oluşan değişkenlerin ortalama değerleri arasında anlamlı farklar olduğunu test etmek.

• Farklılığı en çok hangi bağımsız değişkenin ortaya çıkardığını bulmak.

• Bağımsız değişkenlere göre nesneleri (bireyleri, firmaları, ürünleri) gruplar içine sınıflandırma için süreçler oluşturma.

• Bağımsız değişkenlere göre şekillenmiş gruplar arasında ayırım boyutlarının sayısı ve kompozisyonunu belirleme.



• Bağımsız değişkenlerin normalliği • İlişkinin doğrusallığı • Bağımsız değişkenler arasında “Multicollinearity” olmaması • Eşit dağılım matrisleri

Temel testler:

Testte, birlikte (enter) ve adım adım (stepwise) analiz yapılır.

İstatistiksel anlamlılık için (a) ayırımsal güç için Wilk’s lambda, Hotelling’s trace, and Pillai’s criterion kullanılır; (b) Mahalanobis D2 and Rao’s V testleri model geliştirme için kullanılır.

Modelin genel uyumu (overall fit) test için (a) Discriminant Z scores hesaplanır; (b) Mahalanobis D2 ve grafik/plot ile grup farkları değerlendirilir ve yorumlanır.

Çoklu discriminant analiz (MDA) discriminant analizin çok gruplu uzantısıdır. Aynı zamanda MANOVA’nın benzeridir. MDA ikiden fazla kategorisi olan bir isimsel bağımlı değişkeni, mesafeli ve/veya dummy bağımsız değişkenlere göre sınıflandırmak, grup farklarını incelemek, gruplar arasındaki farklılığı görmek için en hassas yolu bulmak, grup ayrımına ilişkisi az olan değişkenleri bulup atmak, olguları\değişkenleri gruplar içine sınıflandırmak ve teori testi.


• Bağımsız değişken(ler) en az mesafeli olmalı. • Bağımsız değişkenlerin maksimum sayısı örneklem

sayısından iki eksik (N - 2) olmalıdır. • Bağımlı değişken gerçek zıtlığa (dichotomy) sahip olmalıdır. • Bağımsız değişkenin kategorilerdeki sayılar çok büyük

farklılık göstermemelidir. • Residuals tesadüfi (random) olarak dağılmalıdır. • Homoscedasticity (homogeneity of variances): Bağımlı

değişkeni oluşturan her grup içinde bağımsız değişkenin dağılımındaki varyans benzer olmalıdır.

• Ortak varyansların / korelasyonların homojenliği • Linearlik/doğrusallık


• Bağımsız değişkenlerde multicollinearity olmaması veya az olması.

• Anlamlılık testi için, çok değişkenli normal dağılım olması.

MDA Test sonucunda asal korelasyon (canonical correlation) R* grup farklarını ölçmede kullanılır. Sıfır değeri gruplar ile discriminant fonksiyonlar arasında korelasyon olmadığını anlatır. R* değerinin yüksekliği korelasyonun yüksekliğini anlatır.

Wilks's lambda (U statistics) testi sonucu vektör ortalamaları grupları arasındaki farklılığı ölçer. Lambda küçüldükçe fark artar. Lamda değeri “0” ile “1” arası değişir. Barletts V lambda’nın anlamlılığını ölçer.

Sınıflandırma matriksinde satırlar bağımlı değişkenin gözlemlenen kategorileridir ve sütunlar ise discriminant analiziyle çıkartılan tahmin edilmiş kategorilerdir.

Box’s M testi MDA’nin eşdeğişkenlik (homoscedasticity) varsayımı testidir. Araştırmacının beklentisi testin anlamlı olmamasıdır. Böylece “varyanslar homojen değildir” diyen yokluk hipotezi reddedilebilsin. Eğer F anlamlılık değeri 0.05’den büyük çıkarsa, eşdeğişkenlik varsayımı geçerli olur.

NEDENSELLİKLE TAHMİN: ÇOKLU REGRASYON

Çoklu regrasyon analizi çoklu etkenlerin testinde kullanılır. Bağımsız değişkenler mesafeli ve iki değeri olan kategorili olabilir.

Araştırmanın amacına göre, (a) bağımsız değişkenlerin birlikte bağımlı değişkeni açıklaması aranır. (b) Bağımsız değişkenlerin tek tek bağımlıyı açıklayıcı yüzdesi (R kare) belirlenir; bunun için, birer birer her bağımsız değişkeni ekleyerek (stepwise inclusion), sonunda hepsinin birlikte açıklayıcı değeri bulunur. Tam tersi bir yol da tutulabilir: (a) önce hep birlikte X’lerin Y’yi açıkladığı belirlenir; (b) bu belirlemeden sonra, X’leri birer birer çıkartarak açıklamadaki değişime bakılır (stepwise exclusion). Örneğin eğitimciler yüksek okuldaki başarının en iyi belirleyicilerinin (=bağımsız değişkenlerin) ne olduğunu; psikologlar sosyal uyum için en iyi kişisel belirleyicilerin


neler olduğunu bilmek isterler; sosyologlar toplum kalkınmasını en iyi gösteren sosyal göstergelerinin neler olduğunu bulmak isterler.

Örneğin, X1 (beceri) ve X2 (iş etiği) bağımsız değişkenleri ve Y1 bağımlı değişkenini ele alan bir tasarım olsun. Tablo 53 analiz sonunda çıkan modeli göstermektedir.

Tablo 53. Coefficients a

Model

Unstd Coeff

B

Std. Error

Std Coeff

Beta

t Sig. Correlations 54

Zero-order Partial Part

1 Constant 101.22 4.587 22.06 .000

Beceri 1.00 .104 .608 9.60 .000 .764 .919 .588

İş etiği 1.07 .110 .614 9.70 .000 .769 .920 .594 a Bağımlı değişken (Dependent Variable): Y1

Çoklu regrasyonda tahmin formülü (prediction equation):

Y'i = b0 + b1X1i + b2X2i

"Unstandardized Coefficients" sütunu altındaki "B" sütunu her X için hesapta kullanılacak ağırlıkları verir. Bunlar:

b0 = 101.222, b1 = 1.000, and b2 = 1.071.

Bu durumda formül: Y'i = 101.222 + 1.000X1i + 1.071X2i

Dikkat edilirse b1 ve b2 değerleri X değişkenleri eklendikçe değişir. Bu değişikliklerin genişliği ve etkileri anlamlılık testinin temelidir. Formülde regrasyon katsayısı (regression coefficients or B coefficients) her bağımsız değişkenin bağımlı değişkeni tahmine bağımsız katkısını anlatır. Yani, X1 değişkeninin, diğer değişkenleri

54 Tabloda “zero order correlation” tek tek yapılan iki-değişkenli

korelasyondur. Partial correlation’ ise diğer değişken kontrol edilerek yapılan korrelasyondur. Part correlation bağımlı değişkeni açıklamadaki katkısını gösteren (cumulative) korelasyondur.


kontrol ettikten sonra Y değişkeniyle olan korelasyonunu anlatır. Bu tür korelasyona kısmi korelasyon (partial correlation) denir. Bu çok önemlidir, çünkü iki bağımsız değişken bir bağımlıya etki edebilir, fakat biri kontrol edildiğinde, ikincinin etkisi (a) azalabilir, çünkü bağımsız değişkenler arasındaki ortak varyans vardır; (b) ortadan kalkabilir, çünkü aslında var olarak görünen ilişki ya sahte ilişkidir, ya da bir başka değişken tarafından aracılanan ilişkidir. Örneğin saç uzunluğuyla boy arasında negatif anlamlı korelasyon bulunabilir: Kısa boyluların saçı uzundur. Bu korelasyon bize bir araştırmada kuramsal gerekçenin ne denli önemli olduğunu anlatır. Düşünün, eğer saçınız uzun olursa, o zaman boyunuz kısa demektir. Veya boyunuz uzun ise, saçınız kısa olacaktır. Yani boy faktörü ile saç faktörü arasında bir ilişki vardır. Soru: Bu ilişki boy ve saç faktörleri nedeniyle mi yoksa başka nedenlerle mi? İşte bu soruya cevap vermek gerekir. Eğer regrasyon analizine cinsiyet değişkeni eklenirse, o zaman büyük olasılıkla boy ile saç uzunluğu arasındaki ilişki ortadan kalkacaktır, çünkü kadınlar erkeklerle karşılaştırıldığında çoğunlukla daha kısa boylu ve de uzun saçlıdır. Bu durumda, saç uzunluğu cinsiyet değişkeniyle olan ortak varyansı ötesinde, boyun tahminine hiçbir yeni katkı yapmaz. Dolayısıyla, partial correlation sıfır olur.

"Standardized Coefficients" altındaki Beta aynı bilgiyi verir; fark X ile Y değerleri standartlaştırılmıştır: Ağırlık hesabı yapılmadan önce, bu değerler sıfıra ve standart sapma 1’e ayarlanır. Bu durumda b0 (veya a) değeri daima sıfırdır, dolayısıyla regrasyon formülüne dahil edilmez.

ZY = B1 ZX1 + B2 ZX2

ZY = .608 ZX1 + .614 ZX2

Testte değişkenlerin standartlaştırılması, değişken ağırlıklarının karşılaştırılmasını daha açıkça gösterir. Standartlaşmamış ağırlıklar X değişkenlerindeki varyansın bir fonksiyonudur.

Y1’i X2’den tahmin sonucu aşağıdaki gibidir (Tablo 54):

Y'i = b0 + b2X2i

Y'i = 130.425 + 1.341 X2I


Tablo 54. Coefficents

Unstandrdzd Coeff Standardzd

Coeff t Sig. R

Model B Std. Error Beta Zero-

order

1 Constant 130.425 8.45 15.42 .001

iş etiği 1.341 .263 .769 5.10 .001 .769

Tahmin edilen ve artakalan değerler (Predicted ve Residual Scores): Regrasyon çizgisi belli değerdeki X değişkeni için en iyi tahmini ifade eder. Scatterplot’a bakıldığında gözlemlenen sonuçlar regrasyon çizgisi üzerinde değil etrafında dağılırlar. Bir gözlem sonucunun (=tahmin edilen değerin; predicted value) regrasyon çizgisinden sapması, artakalan değer (residual value) olarak nitelenir.

Artakalan değişkenlik ve R-kare: artakalan/residual değerlerin regrasyon çizgisinden az uzakta olması (genel değişkenliğe nazaran regrasyon çizgisine görece yakınlığı) daha iyi tahmin etmeyi getirir. Eğer X ile Y arasında ilişki yoksa (yağmur ile yağmur duası sayısı arasındaki ilişki), Y değişkenindeki “artakalan” değişkenliğin orijinal varyansa oranı 1.0’dır. Eğer X ve Y mükemmel bir şekilde ilişkiliyse (kovadan dökülen su miktarı ile kalan su miktarı örneği), o zaman “artakalan varyans” yoktur, dolayısıyla varyans oranı sıfırdır. Çoğu kez, oran “0” ile “-1 “ ve “+1” arasında olur. Bu orana R kare veya belirleme katsayısı (coefficient of determination) denir. Eğer R kare 0.4 ise, bunun anlamı Y değerinin regrasyon çizgisi etrafındaki değişkenliği orijinal varyansın 1– 0.4 = 0.60 kez kadarıdır. Yani orijinal değişikliğin % 40’ı açıklandı, fakat % 60 “artakalan” değişkenlik olarak kaldı. R2 regrasyon modelinin ne denli uygun olduğunu gösterir.

Korelasyon katsayısı R sonucunu yorumlama: X değişkeninin Y değişkeniyle ilişkisinin gücü korelasyon katsayısı (correlation coefficient, R) ile ifade edilir. R “0” ile “1” arası değişir. İlişkinin yönü için B katsayısının (B coefficient) önündeki işarete bakmak gerekir. Eğer B eksiyse, negatif ilişki, eğer B sıfır ise, hiçbir ilişki yoktur.


Aşağıdaki tabloda (Tablo 55), R2 değeri her iki bağımsız değişken için birlikte % 93.6’dır. İş etiği % 59.1’ini açıklamaktadır. Entelektüel beceri eklendiğinde % 34.5 artış olmaktadır. İki değişken arasında anlamsız da olsa bir ilişki var (r= .255). Eğer 0.255 yerine sıfır olsaydı, R2 değişimi aynı değerde olurdu. Görüldüğü gibi Regrasyon modeline etken faktörler eklendikçe “unadjusted R2” değeri de artar. R2’deki değişim miktarı eklenen değişkenin tahmin gücünün ölçüsüdür.

Tablo 55. Model Summary

R

R2

Adjusted R2

Std. Err of Est

Change Statistics

Model R2

ChangeF

Changedf1 df2

Sig. F Change

1a .769a .591 .568 16.11 .591 26.022 1 18 .000

2b .968b .936 .929 6.54 .345 92.155 1 17 .000

a Predictors: (Constant), iş etiği b Predictors: (Constant), iş etiği, Entelektüel beceri

Bu iki değişkene bir diğeri (X3) eklenebilir. Regrasyon analizinde “enter” seçeneği, bütün bağımsız değişkenleri birlikte ele alıp bir model sunar (Tablo 56). Dikkat edilirse entelektüel beceri ve X3 birlikte Y’nin % 59”unu açıklamaktadır.

Tablo 56. Entelektüel beceri ve X3 kullanan Model Özeti (enter)

R R2 Adj R2

Std. Err

Change Statistics

Model R2

Change F Change df1 df2

Sig. F Change

1 .77 .592 .544 16.55 .592 12.349 2 17 .000

Predictors: (Constant), X3, Entelektüel beceri


Modelde her bir bağımsız değişkenin ne kadar açıkladığını bulmak için “stepwise inclusion veya forward” seçeneği seçilir. Analizde “forward” seçeneği seçildiğinde, model bağımsız değişkenleri ekleyerek kurulur (Tablo 57).

Tablo 57 Model Özeti (forward) a

R R 2 Adjusted R Square

Std. Err

Change Statistics

Model R2 Change

F Change

df 1 df 2 Sig. F Change

1 .764 .584 .561 16.25 .584 25.26 1 18 .000 a Predictors: (Constant), entelektüel beceri

Entelektüel beceri kendi başına 0.584’ünü açıklıyor; ve X3 ile birlikte 0.592; X3’ün katılmasıyla sadece 0.008 gibi çok az bir değişme olmuştur. Entelektüel beceri ve X3 kendi aralarında çok güçlü bir ilişkiye (r=94) sahip olduğu için (ortak varyanslara sahip olduğu için) artış fazla olmaz. İş etiğiyle Entelektüel beceri arasındaki ortak varyansın azlığı nedeniyle artış fazladır.

Tasarıma X4 değişkenini ekleyelim. Önce X1, X4 ve Y1 değişkenleri arasındaki ilişkiye bakalım (Tablo 58).

Tablo 58. Pearson Correlations

Y1 X4

X4 r p

0.736 0.001

X1 r p

0.764 0.001

0.904 0.001

N 200 200

Sonuçlara göre, her üç değişken arasında da anlamlı ilişki var. X1 ile X4 arasındaki sonuç (r= 0.90) iki bağımsız değişken arasında çok güçlü bir ilişki olduğunu göstermektedir. Regrasyon analizinde bunun


anlamı, ikisinin arasındaki ortak varyans nedeniyle, X4 eklendiğinde R kare değerinde hiç veya çok az değişme olacaktır.

Önce X1 ile X4’ün birlikte Y1’i açıklamasına bakalım (Tablo 59). Ardında “stepwise forward” ile ayrı ayrı her birinin yaptığı katkıyı bulalım (Tablo 60).

X1 ve X4 birlikte 0.595’i açıklarken, X4’ün eklenmesiyle sadece 595 – 584 = 0.011 miktarında önemsiz bir ekleme yapmaktadır. Bunun başta gelen nedeni X1 ile X4 arasında olan güçlü etkileşimdir (interaction).

Tablo 59. Model Özeti (Enter) a

R R2 Adjustd

R2

Std. Error of the Est

Change Statistics

Model R2 Change

F Change df 1 df 2 Sig. F

Change

1 .771 .595 .547 16.50 .595 12.487 2 17 .000

a Predictors: (Constant), X4, entelektüel beceri

Tablo 60. Model Özeti (forward) a

R R 2 Adjstd R2

Std. Error Change Statistics

Model R 2 Change

F Change Df 1 Df 2 Sig. F

Change

.764 .584 .561 16.25 .584 25.261 1 18 .001

a Predictors: (Constant), x1 entellektüel beceri

Şimdi dört bağımsız değişken birlikte regrasyon analizine koyalım (Tablo 61). Dikkat edilirse, dört değişken birlikte 0.95 kadar önemli bir oranı açıklamaktadır: R2 = .945, F(4, 15) = 69.118, p = .001.


Tablo 61. Model Özeti (enter) a

R R 2 Adj R2

Std. Error of Est

Change Statistics

Model R2

Change F

Change df1 df2 Sig. F Change

1 .974 .949 .935 6.26 .949 69.118 4 15 .001

a Predictors: (Constant), X3, X2 iş etiği, X4, X1 entelektüel beceri

Bu açıklamada değişkenlerin katkısı için stepwise forward ile regrasyon analizi yapılır (Tablo 62).

Forward regrasyon sonucuna göre, sadece X1 (iş etiği) ve X2 (entelektüel beceri) modele katılmıştır. X2 % 59.1 ve X1 % 34.5 oranında açıklama getirmektedir. X3 ve X4 modele katılmamıştır, çünkü bu değişkenlerin anlamlı katkıları yok. Bu katkılar Tablo 63’de daha açıkça görülebilir.

Tablo 62. Model Özeti (forward)

R R2 Adj R2Std.

Error of the Est

Change Statistics

Model R 2 Change F Change df 1 df 2 Sig. F

Change

1a .769 .591 .568 16.11 .591 26.022 1 18 .000

2b .968 .936 .929 6.54 .345 92.155 1 17 .000

a Predictors: (Constant), iş etiği b Predictors: (Constant), iş etiği, entelektüel beceri


Tablo 63. Coefficients (enter) a

Unstd Coeff Std

Coefft Sig.

Correlations

Model B Std. Error Beta Zero-

order Partial Part

1 Constant 102.74 4.62 22.2 .001

X1 1.254 .352 .762 3.56 .003 .764 .677 .209

X2 1.064 .106 .610 10.0 .001 .769 .933 .588

X3 -.371 .227 -.282 -1.63 .122 .687 -.390 -.096

X4 .234 .259 .124 .901 .382 .736 .227 .053

a Dependent Variable: y1

B katsayısının anlamlılığını bulmak için yapılan t testi sonucuna göre, X3 ve X4 istatistiksel bağlamda anlamlı çıkmamıştır. Dolayısıyla anlamlı olmayan değişkenler modele katılmamıştır.

Bir diğer Örnek:

Bağımlı değişken: Derste başarı (sınav notu olarak ölçüldü).

Bağımsız değişkenler (Predictors)=

Cinsiyet : Kız ve Erkek

Derse devam : Toplam sayı olarak

Derse dikkat : Toplam dakika olarak

Ders çalışma : Haftada toplam saat olarak

Yukarıdaki bağımlı değişken ile bağımsızlar arasındaki regrasyon analizinde, önce değişenler arasındaki ilişkiye bakılır (Tablo 64) Tablo’da sunulan sonuçlara göre bağımsız değişkenlerin hepsi de .001 seviyesinde “not” ile anlamlı ilişkiye sahip. Bağımsız değişkenler de kendi aralarında anlamlı ilişkiye sahipler. Bu bağımsız değişkenler arasında anlamlı ilişki olması beklenir, çünkü derse çalışan aynı


zamanda derse de gelir ve dersi dikkatle dinler. Cinsiyetin diğer değişkenlerle olan anlamlı ilişkisi kızların erkeklere nazaran daha çok çalışma eğiliminde olduğuna bağlanabilir.

Tablo 64. Regrasyonda değişkenler arasında ilişki (N=160)

Final Notu

Ders çalışma

Derse devam

Derse dikkat

R Sig R Sig R Sig r Sig

Cinsiyet .67 .001 .62 .001 .54 .001 .38 .001 Ders çalışma .84 .001 .61 .001 .30 .001 Derse devam .73 .001 .21 .007 Derse dikkat .40 .001

Sonra, dört bağımsız değişkenin birlikte, derste başarıyı ne kadar açıkladığına bakılır. Bu amaçla, önce, F testine bakarak anlamlılığa karar verilir (Tablo 65) ve ardından model açıklanır (Tablo 66).

Tablo 65. ANOVA a, b

Model 1 Sum of Squares Df Mean

Square F Sig.

Regression 30460.239 4 7615.06 164.78 .000a

Residual 7163.105 155 46.214

Total 37623.344 159 a Predictors:(Constant), derse devam, derse dikkat, cinsiyet, ders çalışma b Dependent Variable: Not

Analiz için SPSS’de fareyle sırasıyla şunlar tıklanır: Analyze, regression, linear. Açılan Linear regression penceresinde bağımlı değişken “dependent” kutusuna ve bağımsız değişkenler ise, “independents” kutusuna taşınır. “Method” kutusunda “enter” kalsın, böylece bütün değişkenlerin birlikte açıklaması elde edilir. Linear regression kutusundaki “statistics” seçeneği fareyle tıklanır ve açılan


pencerede “estimates” ve “model fit” seçenekleri seçilir; “continue” düğmesine basılır. “OK” seçeneğine basıp test yapılır (Tablo 66).

Tablo 66. Model Özeti b

Model R R Square Adjusted R Square

Std. Error of the Estimate

1 .900 a .810 .805 6.80 a Predictors: (Constant), derse devam, dikkat, cinsiyet, ders çalışma b Dependent Variable: Not

Tablo 66’daki sonuçlara göre dört bağımsız değişken birlikte başarının % 81’ini açıklamaktadır. Geri kalan % 19 başka etkenlerden kaynaklanmaktadır.

Dört bağımsız değişkenin adım adım katma (stepwise) ile açıkla-malarını bilmek gerekir (Tablo 67). Bunun için SPSS’de daha önceki yapılanda “enter” seçeneği yerine “stepwise” seçeneği seçilir. Pencerenin alt solundaki “statistics” seçeneği tıklanır ve açılan pencerede “estimates” ve “model fit” seçeneklerine ek olarak “R square change” seçeneği seçilir. “Continue” seçeneğine basıp geri dönülür. “OK” seçeneğine basıp testi yapılır.

Stepwise multiple regrasyonda bağımsız değişkenlerden en yüksek korelasyonu olandan başlanarak sırayla modele katılır. Bu sürece katılan bağımsız değişken R kare değerini anlamlı derecede artırmayacak duruma geldiğinde son verilir. Aynı süreç tersine döndürülerek “birer birer dışarıda bırakma” (stepwise exclusion) yolu kullanılabilir. Bu durumda, R karede anlamlı fark yapan değişkene kadar birer birer çıkarma devam edilir.

Regrasyon analizinde tahminler katsayıların kendileridir (örneğin multiple R). Katsayılar için güven aralıkları (confidence intervals) % 95’dir. Katsayı tahminleri arasındaki varyans ve ortak-varyansları “covariance matrix” ölçüsü verir. “Descriptives” analizdeki her değişen için ortalama, standart sapma ve correlasyon matrix’i verir. Matrix tek-yönlü (one-tailed) istatistik anlam ve “N” sayısını gösterir.


Tablo 67’de dört model sonuçlara göre sırasıyla eklenmiştir.

Tablo 67. Stepwise regression Model Özeti e

Model R R 2 Adj

R 2

Std. Error of Est

Change Statistics

R 2

ChangeF

Change df1

df 2

Sig. F Change

1 .84a .71 .71 8.30 .711 388.69 1 158 .000

2 .88b .78 .78 7.24 .070 50.272 1 157 .000

3 .90c .80 .79 6.92 .020 15.754 1 156 .000

4 .90d .81 .80 6.80 .008 6.876 1 155 .010

a Predictors: (Constant), Ders çalışma b Predictors: (Constant), Ders çalışma, derse devam c Predictors: (Constant), Ders çalışma, derse devam, derse dikkat d Predictors: (Constant), Ders çalışma, devam, derse dikkat, cinsiyet e Dependent Variable: Not

Birinci modelde sadece “ders çalışma” ile başlanmıştır. Sonuca göre ders çalışma derste başarının % 71’ini açıklamaktadır.

İkinci modelde derse devam eklenmektedir. Derse devam yüzde 7 ekleme yaparak açıklamayı % 78’e çıkartmıştır. Elbette derse devamın % 7 etkisi derse çalışma ile olan “ortak varsansı” çıkartıldıktan sonra olandır. İki değişkenli korelasyon analizinde derse devam ile not arasında % 72.5 gibi güçlü bir ilişki bulunmuştur. Diğer değişkenler kontrol edildiğinde, kısmi korelasyon % 46.1 olmuştur.

Üçüncü modelde derse dikkat değişkeni eklenmiştir. Ortak varyanslar çıkartıldıktan sonra, bu değişken toplam açıklamaya % 2 ekleme/katkı yapmıştır.

Dördüncü modelde cinsiyet eklenmiş ve cinsiyetin toplam açıklamaya etkisi/katkısı 0.008 olarak çıkmıştır.


Her dört değişkenin her birinin başarı ile (notla) ilişkisi 0.001 seviyesinde anlamlı bulunmuştur (sig F change). Dolayısıyla her dört değişken de derste başarının belirlenmesinde önemli rol oynamaktadır. Bu rolün ne kadar olduğunun tespiti b katsayılarının hesaplanmasıyla olur. Tablo 68 bu katsayıları gösteriyor.

Tablo 68. Modelde katsayılar a

Model

Unstndrdzd Coefficients Sd

CoeffBeta

T Sig.Correlations

B Std. Error

Zero-order Partial Part

1 (Constant)

Ders çalışma

43.04 6.48

1.17.33

.84

36.719.7

.000

.000 .843

.843

.843

2 (Constant)

Ders çalışma

Derse devam

38.90 4.90 1.65

1.18.36.23

.64 .34

33.013.5

7.1

.000

.000

.000.843.725

.733 .492

.505 .265

3 (Consant)

Ders çalışma

Derse devam

Derse dikkat

35.58 4.59 1.61 1.17

1.40.36.23.30

.60 .33 .15

25.312.97.263.97

.000

.000

.000

.000

.843

.725

.399

.719 .502 .303

.461 .259 .142

4 (Constant)

Ders çalışma

Derse devam

Derse dikkat

Cinsiyet

36.04 4.20 1.46

.97 3.89

1.39.38.23.30

1.49

.55 .30 .12 .13

25.911.16.463.252.62

.000

.000

.000

.000

.000

.843

.725

.399

.671

.665 .461 .252 .206

.388 .226 .114 .092

a. Bağımlı değişken: Not

Tablo 68’deki Model 4’de Beta değeri (b) en yüksek olan ders çalışmadır; onu cinsiyet, derse devam ve derse dikkat takip etmektedir. Cinsiyetin istatistik testi sonunda önemli bir etken olarak ortaya çıkabilir. Bu sonuca bakıp, bu etken olmanın cinsiyetin kendisinin doğal özelliğinden geldiğini düşünmek için genetik farklılıklar üzerine kurulan geçerli bir gerekçemizin olması gerekir.


Kızların daha başarılı olması kız olmalarından dolayı değil, kız olmanın toplumdan geçerek getirdiği psikolojik durum veya başka sosyal, ekonomik veya kültürel nedenler yüzünden olabilir. Dolayısıyla, cinsiyetin kendisi doğal olarak çalışkanlığı ve tembelliği getirdiğini söylemek (çalışmaya ve başarıya yönelik genetik fark iddiası) geçerli görünmemektedir. Bu nedenle, cinsiyetteki bu farkı oluşturan neden veya nedenler bulunup ölçülerek başarı etkeni olarak incelemeye katılmalıdır. Bu sonuçtan da açıkça görüleceği gibi, bir ilişkinin istatistiksel olarak anlamlı çıkması yeterli değildir. Önemli olan önceden ilişkiyle bağıntılı olarak kuramsal varsayımların gerekçeli olarak sunulması ve hipotezlerin veya araştırma sorularının gerekçelendirilmesi gerekir.

Her üç değişkenin not ile ilişkisinin Şekil 22’deki scatterplotta regrasyon eğilimiyle sunumu bize dağılım hakkında görsel bilgi verir.

Şekil 22. Üç değişkenle not arasındaki ilişkide regrasyon çizgisi

Regrasyon analizinde isimsel (nominal) ölçek bağımlı değişken olarak kullanılabilir; fakat kullanma koşulu ölçeğin iki zıt değerli (0 ve 1) olmasıdır. Bu tür regrasyonda, “logistic regression” kullanılır. Eğer bağımlı değişken, inceleme sürecinde değişime uğruyorsa, örneğin ameliyattan sonra yaşama süresi, reklamın veya propagandanın etkinliğinin süresi gibi bir inceleme amacı varsa, o zaman “Life Tables”, “Kaplan-Meier” veya Cox Regression analizi kullanılır.

İki kategorili değişkenle (dummy variables) elde edilen b değerinin yorumu: Bu değişkenlerde 1 = var ve 0= yok olarak kodlanır. Bu tür değişkenle elde edilen “b” (beta) değeri referans kategorisine (diğer kategoriye) göredir. Örneğin bir bölgeyi doğu ve batı olarak ayıran

Ders çalışma

86420

Not

100

80

60

40

20

0

derse dikkat

1086420

Not

100

80

60

40

20

0

derse devam

1612840

Not

100

80

60

40

20

0


değişkende, “b” bölgeyi referans olarak alır; eğer eğitim seviyesi bağımlı değişkense, doğu için - 2 olan bir “b” değeri doğudaki eğitim seviyesinin batıdan ortalama 2 yıl az olduğunu ifade eder.

Örneğin, Amerika’da 50 eyalette cinayet seviyesi ile ölüm cezası yasası varlığı arasında bağ kuran bir 1990 verisini kullanan tasarımı ele alalım (Nichols, 1995)(Tablo 69).

Tablo 69. Regrasyon sonuçları

Multiple R .33 R Square .11 Adjusted R 2 .094 Standard Error 3.721

Analysis of Variance DF SS MS F Sig. F

Regression 1 84.33 84.33 6.09 .017

Residual 48 664.6 13.84 Variables in the Equation

Variable Unstd B Std err Std B T Sig T

Ölüm cezası 2.890 1.17 .335 2.46 .017

(Constant) 4.97 .994 4.99 .000

Ölüm cezası olmayan 14 eyalette cinayet seviyesi binde 4.97 ve ölüm cezası olan 36 eyalette ise binde 7.86. Dummy değişkenle yapılan regrasyonu sonucunu Tablo 69 göstermektedir.

Ölüm cezası değişkeninde “0” ölüm cezası olmayan ve “ 1” ise olan eyaletleri işaret etmektedir.

“Constant” değeri diğer değer “0” olduğundaki değerdir. Burada sıfır ölüm cezası olmayan eyaletlerdir. Dolayısıyla “constant” katsayısı bu grubun ortalama cinayet seviyesini gösterir (4.97).

Ölüm cezası katsayısı ölüm cezası değişkenindeki bir birim cinayet seviyesindeki tahmin edilen artmadır. Ölüm cezası olan eyaletlerin değeri 1. Ölüm cezası katsayısı 2.89 iki ortalama arasındaki farktır.


Buna “constant” değeri eklendiğinde ölüm cezası olan eyaletler için ortalamayı verir (4.97 + 2.89 = 7.86).

Tablodaki sonuçta F ve t testinde anlamlılık değerleri p = 0.017 seviyesinde anlamlı fark olduğunu göstermektedir.

Eğer bağımlı değişken iki kategoriden fazla ve eğer tasarımın amacı olguları çeşitli gruplara tayin etme ise, o zaman “Discriminant” analizi süreçlerini kullanırız. Bu analiz belli bağımsız değişenlere göre sınıflandırma için oldukça faydalıdır. Pazarlama stratejilerinin değerlendirilmesinde yaygın olarak kullanılır.

LOJİSTİK REGRESSİON ANALİZİ

Logistic regrasyon ve loglinear analiz kategorili veri analizinde kullanılır. Hangisinin kullanılacağı bağımsız değişkenin (açıklayıcı, tasarım değişkeninin) karakterine bağlıdır. Eğer bağımlı değişken (cevap değişkeni) ve bağımsız değişken kategorili ise loglinear model kullanılmalıdır. Logistic regression (logit analysis) bağımlı değişkenin iki kategorisi olduğunda ve bağımlı değişkenler mesafeli ve/veya kategorili olduğunda daha uygundur. Çünkü discriminant analysis çok değişkenli normallik varsayımına bağlıdır. Logistic regrasyon bu varsayım karşılanmadığında sorun çıkmadığı için uygundur. Hatta normallik varsayımı karşılansa bile, araştırmacılar logistic regrasyonu seçerler, çünkü basit regrasyona benzer.

Örneğin araştırmacı sigara içme ile akciğer kanseri arasındaki ilişkiyi ele alan bir tasarım hazırlasın. Bağımsız değişken (tasarım değişkeni, açıklayıcı değişken) sigara içen ve içmeyen grubunu oluşturur. Cevap değişkeni (bağımlı değişken) ise kanser olup olmama kategorisine sahiptir. Bu durumda araştırmacı 2 x 2 tasarımı yapmış oluyor, çünkü açıklayıcı değişkende iki seviye ve cevap değişkeninde iki cevap vardır. Eğer yaş faktörü de eklenmek istenirse, kategorili veya mesafeli olarak eklenebilir. Yaş değişkeni de kategorili olsun. Bu durumda tasarım 2 (sigara) x 2 (kanser) x 3 (yaş grubu) olarak isimlendirilir. Tablo 70’de sunulan dağılımda yaş grupları içinde sigara içme ve kanser dağılımı özetlendi.


Bu logistic regression modelinde birbirine bağlı üç hipotez test edilmektedir:

(a) Sigara içmenin kansere etkisi (b) Yaşın kansere etkisi (c) Sigara içme ile yaş grupları arasında etkileşimin varlığı/yokluğu

Amaç elde edilen sonuçlardan geçerek sigara içme ve yaş ile kanser olasılığını tahmin edebilen en iyi modeli kurmaktır.

Tablo 70. Yaş grubu, sigara içme ve kanser dağılım tablosu

Akciğer kanseri Yaş grubu Evet Hayır Toplam40 ve altı içiyor 15 4 19

41~60 içiyor 30 7 37 60 üstü

içiyor

Toplam 26 71

6 17

32 88

40 ve altı içmiyor 8 2 10 41~60 içmiyor 14 2 16

60 üstü

içmiyor Toplam

15 37

3 7

18 44

Genel toplam 108 24 132

FREKANS TABLOLARININ LOG-LİNEAR ANALİZİ 55

İki kategorili değişken analizinde, analize bir veya birden fazla kategori kattığımızda ve ikiden fazla kategorili değişkenler arasındaki ilişkiye baktığımızda, Log linear ilişki analizi yaparız. İki değişkenli analizde, karşılaştırma ve tablosu iki boyutludur: İsimsel ve kademeli ölçekler karşılaştırırken, iki boyutlu frekans tabloları (cross-tabulation) kullanılır. Fakat bu ikili karşılaştırmaya, örneğin bir üçüncü kategoriyi kattığımızda, ikili ki-kare testi bizim gereksinimimizi karşılayamaz; bu nedenle log-linear analiz yapılır.

55 SPSS’de The Logit Loglinear Analysis seçeneğini seçerek analiz yapılır.


Bu tür tasarımda, örneğin, bir araştırmacı hastalık göstergelerini (semptomlarını) hastaların yaşına, cinsiyetine, sınıfına, beslenme alışkanlıklarına ve sigara kullanımına göre sınıflandırmak isteyebilir. Eğitimi inceleyen biri okulda başarılı olanlar ve olmayanları cinsiyete, sosyal sınıfa, motivasyon azlığı veya çokluğuna veya gelecek umuduna göre ayırt etmek isteyebilir. Bir ekonomist ticari başarısızlığı başlangıç kapitaline, yatırım kararındaki bilgi seviyesine ve ticari kültürün aç gözlülük ve etikten yoksunluk derecesine göre açıklamaya çalışabilir. Bir iletişimci medya tercihleri ile yaş grupları, eğitim seviyeleri, yaşadıkları yer gibi öğeler bağlamında anlamaya çalışabilir. Gazete, televizyon ve radyo haberlerini güvenirlilik öğeleri nelerdir? Bu haberlerin güvenilirlik boyutlarının benzerlikleri ve farklılıkları nelerdir” üzerine duran bir araştırma tasarımı yapılabilir.

Log-Linear, frekans tablolarına bakmada çok daha karmaşık bir yol getirir. Araştırmacı tabloda farklı faktörleri (cinsiyet, bölge, ırk, tercih) karşılaştırabilir ve onların etkileşimlerine (interaction) bakabilir.

Correspondence analysis iki boyutlu (2x2) veya çok boyutlu tabloları analiz etmek için tasarlanmış betimleyici/keşfedici tekniktir. Analiz satırlar ve sütunlar arasındaki “uyuşmayı” ölçer. Sonuç Faktör analizindeki gibi enformasyon verir ve araştırmacıya tablodaki kategorili değişkenlerin yapısını inceleme olanağı sunar.

Örneğin tasarımda akademisyenleri “turizm endüstrisine hizmet edenler” ve “etmeyenler” olarak ayıralım. İkinci olarak, okumayı “yabancı akademik makaleleri hiç okumayanlar” ve “okuyanlar” olarak ölçelim. Yokluk hipotezi de “üniversitelerde öğretim yapanların yabancı akademik dergileri okumaları ile yönelimleri arasında bir ilişki yoktur” olsun. Alternatif hipotezimize gerekçe ise “yabancı akademik dergileri okumayanların turizm endüstrisinin doğası hakkında yeterli ve doğru bilgiye sahip olmadıkları, ekonomiyi anlamadıkları, turizmle kalkınmanın asıl anlamını kavrayamadıkları, endüstrinin yaptığı propaganda ile örtüşen bireysel hesaplarla gelen çıkarcı-çekicilikle turizmi yücelttikleri” üzerinde kurulsun. Yapılan tasarımda yukarıdaki hipotez birkaç hipotezden biri olsun. Üniversitelerde öğretim yapan yüz kişi örneklemi oluştursun. Bulgular Tablo 71’deki gibi sunulur:


Tablo 71. 2x2 frekans tablosu sunumu

Dergi okumaYönelim

ToplamEndüstriyi yüceltiyor Yansız

Okumuyor Okuyor

40 20

5 35

45 55

Toplam 60 40 100

Tasarımda, dergi okuma bağımsız ve yönelim bağımlı değişken olsun. Frekans tablolarında bağımsız değişkene tasarım değişkeni ve bağımlı değişkene ise yanıt değişkeni denir. Cevap değişkeni tasarım değişkenine göre değişen değişkendir.

Eğer yokluk hipotezi doğru olsaydı, dağılımda her hücre marjinal frekansları (toplamları) yansıtacaktı. Teorik olarak bunlara yokluk hipoteziyle “beklenen” dağılım denir. Beklenen bu dağılım Tablo 72’de sunuldu.

Tablo 72. Beklenen teorik dağılım

Dergi okuma

Yönelim

Toplam

Endüstriyi yüceltiyor Yansız

HayırEvet

27 33

18 22

45 55

Toplam 60 40 100

Bu tablodaki dağılım bir önceki tabloyla karşılaştırıldığında, anlamlı ilişki olduğu görülür.

Yukarıdaki 2x2 tasarımına bir üçüncü veya birkaç değişken eklendiğinde frekans tablosu yeni boyutlar kazanır. Örneğin üçüncü değişken ekonomi bilgisi (var ve yok) olsun. Bu değişkenin yönelime etkisi olduğu varsayılmaktadır: Ekonomi bilgisi olanların turizm


endüstrisini yüceltmeyecekleri ve özellikle turizm ile yerel kalkınma arasında bir bağ kurmayacakları veya kurarken çok dikkat edecekleri gerekçesi getirilsin. Üçüncü değişkenin eklenmesiyle, her iki değişkeni ele alan 2x2 tablosu ve etkileşimi gösteren üç boyutlu (2x2x2) tablolar olur.

Üçüncü değişken tasarım değişkeni (bağımsız) olarak eklendiğinde, üzerinde durulması gereken yeni bir konu çıkar: İki tasarım değişkeni arasında etkileşim (interaction) olup olmadığı. Bunu test için dergi okuma ile yönelim arasında ve ekonomi bilgisi ile yönelim arasında ilişki testi yaparken diğer bağımsız değişkenin seviyeleri içinde yapmak gerekir (Bu ANOVA testindeki interaction testine benzer). Eğer test sonucunda etkileşim bulunursa, “yönelime etkilerinde dergi okuma ve ekonomi bilgisi etkileşimdedir” denir.

The Log-Linear Model ile ANOVA’daki gibi ana etki ve etkileşim etkisi düşünülür.

Bu tür tasarımda, “Goodness-of-Fit” testiyle anlamlılık ölçülür. Bu amaçla ki-kare testinde pearson veya likelihood ratio istatistiği kullanılır. Bu iki testin yorumu temel olarak aynıdır: İkisi de teorik hücre frekanslarının gözlemlenen hücre frekanslarından anlamlı bir şekilde ayrılıp ayrılmadığına bakarlar.

Örneğin: Kahve, çay, sigara içme ve cinsiyet arasında ilişkiye bakan bir

tasarım yapılsın.

Her değişken iki kategorili olarak ölçülsün (evet\hayır cevapları).

Bu tasarım 2 x 2 x 2 x 2 koşullu tablo olarak isimlendirilir.

Toplanan verilerin frekans dağılımı Tablo 73’de sunuldu.

Tablodaki örnekte, Loglinear model ile:

altı tane iki-yollu/yönlü ilişki analizi

dört tane üç-yollu/yönlü ilişki analizi;

dört tane ana etki analizi yapılabilir.

Loglinear model bütün bu ilişkilerin anlamlı olup olmadığına bakar.


Tablo 73. Değişkenlerin dağılım tablosu

Kahve

Cinsiyet Sigara Çay Evet Hayır

Kadın

Evet Evet 15 5 Hayır 30 14

Hayır Evet 17 8

Hayır 14 2

Erkek

Evet Evet 23 6 Hayır 15 11

Hayır Evet 18 7

Hayır 5 1

ASAL İLİŞKİ (CANONİCAL CORRELATION)

Canonical korelasyon iki değişken setleri (grupları) arasındaki ilişkiyi açıklamak için kullanılır; bireysel değişkenleri kullanarak model kurmak için değil. Bu amaçla hipotez testi veya keşfedici tasarım yapılabilir. Örneğin bir eğitimci öğrenme becerisinin üç ölçüsüyle okuldaki başarının dört ölçüsünü karşılaştırmak isteyebilir. Bir sosyolog sosyal baskının dört göstergesinin ölçülmesiyle sosyal izolasyonun/katılmamanın üç göstergesinin ölçümlerini ele alarak iki seti karşılaştırmak isteyebilir. Bir araştırmacı doktor çeşitli risk faktörlerinin bir grup semptomların ortaya çıkmasına olan ilişkisini bulmak için bir tasarım yapabilir. Bütün bu tasarımlarda, araştırmacı iki değişken seti arasındaki ilişkiyi bulmaya çalışmaktadır.

Bu tür tasarım, çoklu regrasyon ailesindendir ve regrasyonun yapılabilmesi için gerekli varsayımların aynısına sahiptir. Fakat çoklu regrasyonda “çok” ile “tek” karşılaştırılırken, canonical tasarımda çokla çok karşılaştırılır. Süreç ve bakılacaklar ve adımlar çoklu regrasyonun aynısıdır.


Regrasyonda R2 açıklama katsayısıdır: Bağımsız değişkenlerin bağımlı değişkeni açıklama yüzdesini gösterir. Benzer şekilde, canonical korelasyon kare (Rc

2) değeri bağımsız değişkenler grubunun (setinin) bağımlı değişkenler grubunu açıklama yüzdesini (bağımlı değişkende açıkladığı varyans yüzdesini) gösterir. Bunun seviyesinin düşük olması bize, seçtiğimiz bağımsız değişkenler üzerinde düşünmemizi ve araştırmaya açıklama yüzdesini artıracak yeni bağımsız değişkenler katarak, araştırmayı yeniden yapmamızı veya yapılmasını önermemizi anlatır.

Analizde gösterilen birinci canonical korelasyon ilişkinin çoğunu açıklar. Anlamlılık testi için Wilk’s Lambda kullanılır. Testin yorumunda, pearson “r” korelasyonunda olduğu gibi ilişkinin yönü belirlenir; ve R2 de olduğu gibi, açıklama seviyesi belirtilir.

Canonical analizde, örneğin iki set varsa, bir setin ikinci seti toplam açıklaması “Pooled Rc

2” altında gösterilir. “Pooled Rc2” ile biz her setin

yüzde katkısını da görürüz. Grupların bütünün anlamlılık testi için Likelihood ratio test kullanılır.

Canonical analizde, Faktör analizinde olduğu gibi, birden fazla anlamlı boyut olabilir; dolayısıyla birden fazla canonical korelasyon değeri olabilir. Bu boyutların sayısı, en fazla en küçük gruptaki sayı kadar olabilir.

Analizde Tip II hataya düşmemek için değişken sayısının en az yirmi katı kadar denek sayısı olmalıdır.

BÖLÜM X

PARAMETRİK OLMAYAN ANALİZLER

İnsan ve toplumla ilgili konularda normal dağılım her zaman olmaz. Örneğin toplumda gelirin normal olarak dağıldığı beklenemez. Ender hastalıkların oluşu veya araba kazalarının nüfustaki dağılımı da normal değildir. Ayrıca, örneklem sayısı küçükse parametrik testler kullanılmaz. Onun yerine, örneklem sayısı küçük olduğunda uygun olan parametrik olmayan testler kullanılır. Örneklem sayısı büyükse, parametrik olmayan test kullanmanın da anlamı kalmaz.

Parametrik olmayan tasarımlar incelenen değişkenin nüfustaki dağılımıyla ilgilenmez. Konu olarak ele alınan veya örneklem çıkartılan nüfusun “normal dağılımı” hakkında bir varsayımda bulunmaz. Bu nedenle bu yöntem parametre-serbest ve dağılım-serbest yöntem olarak nitelenir.

Bu tür tasarım öncelikle endüstride reklam, pazarlama, örgüt içi iletişim, promosyon ve halkla ilişkiler gibi alanlarda kullanılır.

Bu analiz, parametrik tasarımda olduğu gibi, (a) tek değişkenli, iki değişkenli ve çok değişkenli ilişki analizi olabilir veya (b) çeşitli grup karşılaştırması biçimlerinde tasarlanabilir.

İlişki testinde Chi-square kategorili değişkenleri karşılaştırmak için kullanılır. Parametrik korelasyon katsayılarının parametrik olmayan eşleri Spearman R, Kendall Tau, and coefficient Gamma testleridir.

Aynı örneklem içindeki iki değişken merkezi yönelim bazında karşılaştırıldığında, eşleştirilmiş/bağımlı t-testi kullanılır. Bunun parametrik olmayan eşi Sign test ve Wilcoxon signed rank testidir.

Bağımsız gruplar arası farkları ölçmek için yapılan parametrik tasarımda, iki bağımsız grubun merkezi yönelimi bir özelliği bazında karşılaştırıldığında t-testi kullanılır. Parametrik olmayan tasarımda bu tür karşılaştırma için Wald-Wolfowitz runs test, Mann-Whitney U test, ve Kolmogorov-Smirnov two-sample test kullanılır.

Parametrik Olmayan Analizler 394

Parametrik tasarımda ikiden fazla grubun merkezi yönelimi karşılaştırıldığında, ANOVA kullanılır. Bunun Parametrik olmayan karşıtları Kruskal-Wallis kademeleşme analizi ve Median testidir.

Eğer ölçülen değişkenler iki zıt değere sahipse, McNemar's Chi-square testi kullanılır. Parametrik tasarımda aynı örneklem içinde ikiden fazla değişkeni merkezi yönelim bazında karşılaştırınca tekrarlanan ölçüler ANVOA kullanılır. Bunun parametrik olmayan eşi Friedman's two-way ANOVA ve Cochran Q testidir.

Dikkat edilirse, tasarımın kullandığı ölçeğin karakterine göre çeşitli parametrik olmayan testler vardır. Tablo 74 önde gelen parametrik testler ve onların parametrik olmayan karşıtlarını göstermektedir.

Tablo 74. Parametrik testler ve parametrik olmayan karşıtları

Parametrik testler Nonparametrik testler

Tek örneklem grup merkezi yönelim karşılaştırması: one-sample t-testi

One-Sample Kolmogorov-Smirnov Test

İki bağımsız grup karşılaştırması: Bağımsız t-testi

Mann-Whitney U, Moses extreme reactions, Wald-Wolfowitz runs, K – S 2-sample

Aynı örneklem içinde iki ölçmenin karşılaştırılması: Bağımlı t-test

Isimsel: McNemar. Kademeli: Wilcoxon signed rank, sign,

Çoklu eşleştirilmiş/bağımlı örneklem:tekrarlanan ölçüler ANOVA

İsimsel: Cochran’s Q. Diğer: Friedman's two-way anova, Kendall’s W

Çoklu bağımsız grup: ANOVA/MANOVA

Kruskal-Wallis analysis of ranks, Median test.

Değişkenler arası ikili ilişki testi: Pearson r

Spearman R, Kendall Tau, coefficient Gamma

2 x 2 frekans tablosu: Phi, Yates’ corrected chi-square

Fisher exact; binomial test; McNemar's Chi-square

Çoklu frekans tablosu: Pearson and the likelihood-ratio, Cramer's V Nonparametric chi-square


Kİ-KARE TESTİ

En çok kullanılan ve aynı zamanda kuralları en çok çiğnenen bir testtir. Test, araştırma sorusu veya hipotezi “karşılıklı birbirini dışarıda bırakan” gruplar veya alt gruplar arası dağılımı inceler. “Karşılıklı birbirini dışarıda bırakma” kavramı, bir verinin ancak bir gruba girecek ve diğerine girmeyecek biçimde bir sınıflandırmanın oluşturulması anlamınadır. Örneğin, bilime ve insanlığa yardım etmek isteyen vatansever bir araştırmacı bir semtteki 5 süpermarkette müşterilerin hangi deterjanları daha çok tercih ettiğini bulmak istiyor. Bunun için, gözlemle (veya anketle) tüketicilerin tercihleri hakkında veri toplanır ve chi-square testiyle karşılaştırma yapılır. Her deterjan için “beklenen oran” eşit olmak zorunda değildir. Sayıyı tespit araştırmacıya bağlıdır. Tablo 75’deki örnekte, çıkan sonuca göre, tercihlerde anlamlı fark görülmektedir (p =.001).

Tablo 75. Deterjan tercihi örneği (N= 359)

Deterjan Kategori Gözlemlenen Beklenen Artakalan

A marka 1 220 71.80 266.20 B marka 2 115 71.80 - 56.80 C marka 3 10 71.80 - 69.80 D marka 4 7 71.80 - 69.80 E marka 5 7 71.80 - 69.80

X 2 (Chi-square) = 1235.44 sd = 4 p = 0.001

Bu bulguya göre, eğer hipotez testi yapılıyorsa, yokluk hipotezini reddeder ve tercihler arasında fark olduğu kabul edilir. Bunun insanlığa (insanlık = süpermarket sahibinin çıkarı) faydası ne? En çok satılanı her zaman stokta tutarak, müşteriyi “kalmadı” diye geri çevirerek “hizmette kusur” etmemek, müşteri kaybetmemek, deterjan siparişlerinde oranları bu sonuca göre ayarlamak.

Kullanılan test “goodness of fit: testidir: Kategoriler arasında anlamlı fark olup olmadığını belirler.


BİNOMİAL TEST

Binomial dağılım, iki zıt kategorisi olan değişkenin (ölçmenin) dağılımıdır. Bu değişkenler evet-hayır, doğru-yanlış, sağlam-çürük, iyi-kötü gibi iki zıt değer alırlar. Bu tür dağılım için yapılan teste “binomial test” denir. Binomial test iki zıt kategoriye sahip olan bir değişkenin ölçülen frekanslarını karşılaştırır. Binomial datada her iki grup için kesme noktası (orta nokta, cut point) belirlemelidir. “0 ve 1” değerli değişkende, bu kesme noktası 0.5’dir. 1 ve 2 olarak numaralanmış değişkende, 1.5’dir.

Örneğin, Türkiye’nin ticari kültürünün ahlaktan yoksun yüksek etik anlayışına göre, bir kasadaki domateslerin % 30’a kadarı çürük çıkarsa, bu normaldir, kabul edilebilir. Örneğin, araştırmacı manavın aldığı domates kasalarındaki domatesin % 30’unun çürük olduğu (p=.30) olasılığını test etmek istiyor. Bunun için tesadüfi olarak seçilen kasalardaki domatesler “bozuk ve bozuk değil” diye kaydedilir ve sonra binomial test yapılır. Tablo 76’daki örnekteki sonuca göre, % 39 bozuk çıktı ve bu sonuç 0.006 anlamlılık seviyesindedir. Dolayısıyla, bu kasaları dolduranların ticari etiğindeki yüksek-yoksunluk, var olan yüksek-yoksunluktan daha yüksek bir karaktere sahiptir. Bu bozuk domatesler “abla hepsi aynı” diye müşteriye satılır ya da fiyatı ikiye katlayarak, acısı kat kat çıkartılır.

Dikkat edilirse, sonuçta % 39 bozuk çıktı. Eğer “% 61 bozuk değil” varsayımı sunulsaydı, test yine anlamlı fark gösterecekti; dolayısıyla, anlamlılık sonucunu değerlendirirken hangi yönde olduğuna dikkat etmek gerekir. Çünkü bu tek yönlüdür (1 tail).

Tablo 76. Binomial test örneği

Grup N Gözlemlenen oran

Test oranı

Asym. Sig.(tek yönlül)

Domates Bozuk 65 .39 .30 0.006

İyi 101 .61


TEK ÖRNEKLEM ANALİZİ: RUNS TEST

Parametrik olmayan ki-kare testinde tek bir değişken içindeki dağılım analiz edilir. Bu analizde değişken iki veya ikiden fazla kategoriye sahip olabilir. Eğer değişken iki zıt değere sahipse, ki-kare yerine ya binomial test ya da runs testi kullanılabilir. Runs testinin Binomial testten farkı şudur: Runs testi kullanan tasarım, zıt iki değere sahip olan (veya iki zıt değere indirgenmiş) değişkenin (dichotomous variable; 0.1) rastlantılı bir sıra içinde meydana gelip gelmediğini inceler. Bu test, veriler içindeki olayların sırası (değerlerin birbiri ardına, birbirini takip eden oluş sırası) bir anlam ifade ettiğinde kullanılır. Örneğin, bir fabrikada işin akışı sırasında çıkan ürünün hatalı veya hatasız olduğuna bakarak, hatalıların bir yerde toplanıp toplanmadığı bilinmek isteniyorsa, “runs testi” yapılır. Eğer anlamlılık seviyesi belirlenenden az çıkarsa (örneğin, .01 veya .05), hataların belli bir yerde toplandığını gösterir. O zaman o yerde düzeltme yapılır (örneğin, makine tamir edilir; işçi ihtar edilir veya işinden atılır).

TEK ÖRNEKLEM ANALİZİ: K - S TESTİ

Kolmogorof-Smirnof (K – S) testinde, bir örneklem (grup) ele alınır ve bu örneklemin dağılımının özellikleri bilinmeye çalışılır. Testte örneklem grubun dağılımının “normal mi” (simetrik ve çan şeklinde), “yassı şekilde mi” (uniform), yoksa “bir yana kaymış ve ender olan mı” (poisson) olduğuna bakılır. Tablo 77, bu üç dağılımı ve sonuçlarını örnek olarak vermektedir. Anlamlı sonuç, örneklem ile seçilen dağılım arasında bağıntı olduğunu anlatır. Anlamlılık için kullanılan test “goodness of fit” veya “K-S Z” testidir. Ölçme seviyesinin mesafeli veya oranlı olması gerekir.

Grubun beceri bazında dağılım özelliklerine bakan üç testin de sonuçları tabloların altında belirtildiği gibi normal olarak çıkmıştır.


Tablo 77.Tek örneklemli K-S testi (N= 134)

Normallik testi Beceri

Normal Parameters a

Mean Std. Deviation

68.97 18.29

Most extreme differences

Absolute Positive Negative

.149

.072 -. 149

Kolmogorov –Smirnov Z Asymp. Sig. (s tailed)

1.720 .005

a Test dağılımı normal.

Uniformluk testi Beceri

Uniform Parameters a

Minimum Maximum

30 99

Most extreme Differences


.192

.069 -.192

Kolmogorov-Smirnov Z Asymp. Sig. (2-tailed)

2.217 .000

a Test dağılımı uniform

Poisson test Beceri

Poisson parameter a Mean 68.97

Most Extreme Differences


.314

.218 - .314


3.630 .000

a Test dağılımı poisson.


İKİ BAĞIMSIZ ÖRNEKLEM ANALİZİ

Bu tür tasarımda amaç birbiriyle ilişkili olmayan, yani iki farklı nüfustan ayrı ayrı alınan örneklemin (bağımsız iki grubun) dağılımını karşılaştırmaktır. Test ederken birkaç testten birini seçmek gerekir.

* Mann-Whitney U test, Parametrik bağımsız grup t-testine (independent-samples t test) parametrik olmayan alternatiftir. İki grubun ölçülen özelliğinin en az kademeli seviyede olması gerekir. Çünkü test gerçek değerlerin yerine “kademe” (rank, sıra, rütbe) kullanır. Dolayısıyla, ölçeğin derecelendirilebilir olması gerekir.

Örneğin iki farklı ilaçlamanın etkisi araştırıldı: İkisi de bir bitkide kullanıldı ve bitkinin büyümesi ölçüldü Tablo 78).

Tablo 78. İlaçlama tarzlarının karşılaştırılması

Gruplar N Ortalama sırası

Sıralamalar toplamı Z p

A tarzı 7 6.57 46 0.357 0.721

B tarzı 6 7.5 45

Yukarıdaki sonuçlara göre, iki ilaçlama tarzı arasında bitkinin büyümesine etki bazında anlamlı bir fark yoktur (p=0.721).

Aşağıdaki (Tablo 79) örnekte ise, iki okuldan seçilen bağımsız iki grup öğrenci ders çalışmalarına (haftada kaç saat ders çalıştıklarına) göre karşılaştırıldı.

Tablo 79. Bağımsız grup Mann-Whitney U Test

Gruplar N Mean Rank

Sum of Ranks

Mann-Whitney

U

Asymp. Sig.

(2-tailed)

A Okulu 67 48.28 3235.00957.00 0.001

B Okulu 93 103.71 9645.00


Test sonucuna göre iki grup arasında 0.001 seviyesinde anlamlı bir fark ortaya çıktı: B okulu öğrenci grubu A okulu grubundan daha fazla zaman ayırmaktadır.

* Kolmogorov-Smirnov testi iki grubun yığılan (cumulative) dağılımları arasındaki farkları inceler. Aynı öğrenci grubu bu kez derse dikkat bağlamında karşılaştırıldı (Tablo 80).

Tablo 80. Kolmogorov-Smirnov testi

Derse dikkat

En uç farklar (Most Extreme Differences)


.344

.000 -.344


2.145 0.001

Test sonucu anlamlı çıktı (z= 0.001). A okulu öğrencilerinin derse dikkat ortalaması 3.0 iken B okulunki 4.5’dur.

* Wald-Woflowitz runs testleri önce veri değerlerini azdan çoğa doğru sıralar ve sonra grupların numaraları üzerinde “runs testi” uygular.

* Moses Extreme Reaction testi iki grup arasındaki “range” (yayılma genişliği) farklarını karşılaştırır.

Bu testlerin kullanma koşulları sadece ölçeğin uygunluğu değil, aynı zamanda tasarımın amacına uygun olması gerekir.

ÇOKLU BAĞIMSIZ ÖRNEKLEM ANALİZİ

Bu tür tasarıma dayanan testler iki veya fazla bağımsız gruplar arasında bir değişkenin dağılımını karşılaştırır. Örneğin, “üç farklı markadan alınan kalem pillerin dayanıklılıkları (ne kadar zamanda bitecekleri) farklı olacak mı?” sorusuna cevap bulmak için bu tür bir tasarım yapılabilir.


Kruskal-Wallis test üç veya fazla bağımsız grubu karşılaştırmak için kullanılır. Bağımsız grup ANOVA’nın parametrik olmayan eşidir. Normallik ve varyansların eşitliği koşulu karşılanmadığında kullanılır.

Jonckheere-Terpstra testi bağımsız örneklerin aynı nüfustan gelip gelmediklerini inceler. Sıralanmış veya süreklilik gösteren kategorili ölçeklerde kullanılır.

Tablo 81’de 4 grup verimli çalışma (yani az aylıkla çok iş yapan, az zamanda çok üreten iyi-köle olma) bağlamında karşılaştırıldı.

Tablo 81. Dört bağımsız grup karşılaştırması: Kruskal-Wallis

Gruplar N Mean Rank Verimli çalışma

1 35 61.13 2 25 71.14 3 39 69.49 4 33 65.15

Total 132

Chi-square= 1.343 df = 3 significance= 0.719

Dört grup verimli çalışma bağlamında birbirinden anlamlı bir şekilde ayrılmamaktadır (p = 0.719). Grupların ortalama sıralamasına baktığımızda en büyük fark grup 1 ile grup 2 arasındadır: Bu 11 birimlik fark anlamlı bir verim farkı değildir. Grup 1’in az da olsa bu düşük verimi bu grubun geldiği bölgenin ücretlerin çok düşük olduğu ve sendikaların işverenle işbirliğinde olmasından kaynaklanabilir. Fakat dört grup arasında anlamlı fark olmaması beklenen bir sonuçtur, çünkü bu grupların hepsi de iş güvenliğinin olmadığı, ücretlerin az olduğu, herkesin kısa yoldan köşeyi dönme umudu beslediği, negatif rekabetin olduğu (=çalışmamanın desteklendiği, çalışanın “inek” diye aşağılandığı) bir çevreden gelmektedir. Dikkat edilirse, istatistik bize sadece bir cümleyle ifade edilen bir sonuç verir. Gerisi tümüyle araştırmacının tasarımında kuramsal gerekçelerle kurduğu inşanın doğasından gelen yoruma bağlıdır.


BAĞIMLI ÖRNEKLEM ANALİZİ: İKİLİ KARŞILAŞTIRMA

Bu tür tasarımda aynı örneklem içinde birbiriyle ilişkili iki değişken arasında karşılaştırma yapılır. Veriler aynı deneklerden toplanır.

* Wilcoxon Signed-Rank Test: Bu test "eşleştirilmiş örneklem T-testine" nonparametrik alternatiftir. Kademeli ölçme gerektirir.

* McNemar's test: İlişkili örneklerin oranlarındaki değişmeleri tespit etmek için yapılır. Ölçme seviyesi isimsel olduğunda veya deneysel tasarımda bağımlı değişken iki zıt değerde (dichotomous) olduğunda, “öncesi ve sonrası” testi için kullanılır. Örneğin, siyasal kampanya nutuklarının etkisi araştırıldığında, izleyiciden toplanan veriyle nutuk sonu tercihlerde değişme incelenirken bu test kullanılır.

Örnek tasarımda bir parka gelen kampçılara çevre duyarlılığıyla ilgili öncesi testi yapıldı. Sonra kampçılara bir hafta boyu her gün yarım saatlik çevre korumayla ilgili bilgiler verildi, geziler yapıldı. Ardından sonrası testi yapıldı. Beklenti, “çevreyle ilgili bir haftalık duyarlılık programının” fark yaratacağıydı. Wilcoxon signed rank test kullanarak karşılaştırma yapıldı (Tablo 82).

Tablo 82. Wilcoxon Signed Ranks Test örneği N Mean

Rank Sum of Ranks

Z Sig. (2-tailed)

Sonrası -öncesi

Negative Ranks 9 a 12.72 114.50

-3.307d .001 Positive Ranks 26 b 19.83 515.50

Ties 5 c

Total 40 a sonrası < öncesi; b sonrası > öncesi; c öncesi = sonrası d Based on negative ranks (negatif sıralamaya göre)

Test sonucunda beklentiye uygun bir şekilde anlamlı fark ortaya çıktı (p = 0.001). Testte 9 negatif sıralamaya karşın 26 pozitif rank çıktı. Dolayısıyla, yarıdan fazla bir başarı elde edildiği görülmektedir.


BAĞIMLI ÖRNEKLEM ANALİZİ: ÇOKLU KARŞILAŞTIRMA

Bu tür araştırma tasarımı iki veya fazla değişkenlerin dağılımının karşılaştırılması için kullanılır. Örneklem sayısı az olan tasarımlarda ve isimsel ve kademeli ölçeklerde kullanılabilir. Birkaç test kullanılır:

* Friedman testi, “tek-faktör tekrarlanan ölçümler anova testine” parametrik olmayan alternatiftir. Kademeli seviyede ölçme gerektirir. Örneğin bir araştırmada altı iletişim uzmanına 5 televizyon kanalının haberlerini değerlendirmesi istendi. Her uzman 5 televizyon haberini izledikten sonra, her bir kanalın güvenirlik değerlendirmesini 10 dereceli bir ölçekte yaptılar. 10 en güvenilir olarak belirlendi. Friedman testi sonuçları Tablo 83’de verildi.

Tablo 83. Uzman değerlendirmeleri sonucu (N= 6)

Ortalamasırası

Ortalama Standart sapma

Min. Maks.

Kanal 1 3.92 8.5000 2.32809 3.90 9.90 Kanal 2 3.67 8.3000 2.16426 4.10 10.00 Kanal 3 3.42 8.2500 2.07918 4.20 9.70 Kanal 4 3.00 8.2500 2.05888 4.10 9.60 Kanal 5 1.00 7.5167 2.13861 3.30 9.10

X2 = 13.552, sd = 4, p = 0.009

Ho: Tekrarlanan ölçülerin derecelendirme (büyüklüğüne göre sıraya koyma) ortalamalarında fark yoktur.

Önce uzmanların değerlendirmelerinde yakınlık olup olmadığına bakılır. Araştırmacının beklentisi bu beş kanalı değerlendirmede uzmanların benzer olduklarıdır. Testin .009 seviyede anlamlı çıkması uzmanların bu 5 kanalı değerlendirmesinde benzer olduklarını göstermektedir. Kendall’s W değeri 1 sayısına yaklaştıkça uzmanların değerlendirmelerinde birbirine yakınlığı (benzeşmesi) artar. Test sonucunda 0.565 çıkması, hepsinin birbirine yakın denecek değerlendirmeler yapmadıklarını anlatır.


İkinci olarak güvenlik farkına bakılır. Bulgulara göre, sıralama ortalamaları arasında anlamlı fark vardır (p = 0.009). Dolayısıyla, kanalların güvenirliği aynı değildir. Kanallar arasından en güvenilir olarak Kanal 1 ortaya çıkmıştır.

* Kendall's W testi benzerlik testidir. Örneğin, deneklerden bir şeyi (dergiyi, hizmeti, kaliteyi) veya birkaç ilgili şeyi (tv kanallarındaki haberleri, otellerdeki hizmeti) kademeli bir ölçekte değerlendirmeleri istenir. Araştırmacının amacı deneklerin değerlendirmelerinde ne kadar benzer olduklarını bulmaktır. Kendall's W değeri “0” ile “1”arası değişir. Sıfır değeri değerlendirmelerde uyuşma olmadığını ve bir ise tam uyuşma olduğunu gösterir (Tablo 83).

Tablo 84. Değerlendirme sonucu a

N 971Kendall's W(a) .152Chi-Square 590.696Df 4

Asymp. Sig. .000

a Kendall's Coefficient of Concordance

* Cochran's Q testi, Friedman testinin aynısıdır. İki kategorili değişkenlerin aynı ortalamaya sahip olup olmadıklarını incelemek için kullanılır. Ölçeklerin zıt-ikili (0.1) değerli olması gerekir. McNemar testinin ikiden fazla bağımlı örneklem için olan uzantısıdır.

Tablo 85. Test Sonucu a

N 1468

Cochran's Q 531.524(a)

Df 1

Asymp. Sig. .000

a “2” başarı olarak alındı

BÖLÜM XI

BULGULAR, DEĞERLENDİRME VE SONUÇ ÇIKARMA

Araştırmanın analiz, değerlendirme ve sonuç aşamaları tasarımın özelliğine göre farklı isimler alabilir:

Ampirik araştırmada, bulgular bölümü istatistik analizle elde edilen bulguların sunumunun yapıldığı bölümdür. “Bulgular” inceleme tasarımıyla belirlenen süreçlerden geçerek elde edilen verilerin işlenmesiyle elde edilen sonuçlardır. Bu bulgulara dayanılarak değerlendirmeler yapılır, sonuçlar çıkartılır ve öneriler sunulur.

Niteliksel tasarımlarda, “bulgular” diye bir bölüm olmaz; olursa, ancak araştırma tasarımına uygun olduğu için yapılır. Onun yerine, araştırmacının tasarımına uygun olarak biçimlendirdiği ana-metin ve alt-bölümleri vardır. Örneğin, “analiz ve değerlendirme” ana başlığı ve ilgili alt-bölümler kullanılır. Hatta ana-metin birkaç bölümü ve birkaç alt bölümleri içerebilir. Örneğin bir tarihsel gelişme tasarımında, bu bölüm bir oluşumdan başlayan ve tarihsel birkaç safhayı içeren alt bölümlerden oluşabilir. Bir filmin ideolojik analizinde, başlıklar filmde aranan ideolojik göstergeler olabilir ve analiz ve değerlendirme bu öğelerle belirtilen başlıklar altında sunulabilir.

Niteliksel incelemede, analiz ve sentez yapılırken, kaynaklardan elde edilen verilere dayanarak açıklamalar yapılır, nedensellik bağları kurulur ve sonuçlar çıkartılıp yorumlar yapılır. Aynı şey ampirik araştırmada da yapılabilir. Fakat hem ampirik analizlerde hem de niteliksel analizlerde, okuyucunun neyin bulgu, alıntı veya veri olduğunu ve neyin yorum olduğunu ayırt edebilmesi gerekir. Böylece okuyucu kurulan nedensellik bağlarının, çıkartılan sonuçların ve yapılan yorumların güvenirliği, geçerliği ve doğruluğu hakkında çıkarımda bulunabilsin.

Bulgular, Değerlendirme ve Sonuç Çıkarma 406

BULGULARIN SUNUMU

Ampirik araştırmada, araştırmanın bu bölümünde, hipotezler veya araştırma soruları sırasıyla ele alınıp bulgu sunumu yapılır; çünkü bulgu sunumunda, araştırma tasarımı ve hipotezlerin/soruların sınırı içinde kalınması gerekir. Bu sunum sırasında ölçme için birkaç cümle ile ne yapıldığı ve bulgunun ne olduğu belirtilebilir. Bulgu sunumunda her bulgu ya yorumsuz verilir ve yorum, sunumu takip eder, ya da bulgularla yorumlar iç içe sunulur.

Bulgular grafik, tablo ve şekil kullanarak sunulabilir. Sunumda, bulgular hipotezlerle (veya araştırma sorularıyla) ilişkilendirilir.

Ampirik araştırmada, örneğin, “hipotez şuydu ve ölçme şöyle yapıldı. Ölçme sonunda şekil\tablo xx’de sunulan bulgular/istatistiksel sonuçlar elde edildi. Bu bulgulara göre, yokluk hipotezi reddedildi ve alternatif hipotez kabul edildi.” denir. Ardından, bu bulgunun anlamı açıklanır ve kuramsal yapıya ve ilgili incelemelere göndermeler yaparak bulgular irdelenir ve sonuçlar çıkartılır.

Aşağıda medya, halkla ilişkiler ve çevre ile ilgili örnekler verildi.

Örnek 1: Medya tercihi ve inanırlılık

Analizde gazete tercihi ile medyaya inanma arasındaki ortak ilişki araştırıldı. İlişki testi olarak Chi-square kullanıldı. Tablo 86’da sunulan sonuç 0.001 seviyede anlamlı bir ilişkinin olduğunu göstermektedir.

Tablo 86. Gazete tercihiyle medya inanırlılığı arasındaki ilişki (N= 156)

Gazete Radyo Tv ToplamCumhuriyet 156

% 84.3 12

% 6.5 17

% 9.2 185

% 100 Milliyet 62

% 31.6 68

% 34.7 66

% 33.7 196

% 100 Diğer 35

% 21.2 44

% 26.7 86

% 52.1 165

% 100

X2 (chi-square) = 44.8 sd = 4 p = .000


Cumhuriyet okurlarının % 84.3’ü inanılır medya olarak gazeteyi verirken, Milliyet okurlarının sadece % 31.6’sı ve diğer gazetelerin okurlarının % 21.2’si gazeteyi tercih etmektedir. Bu bulgular Cumhuriyet okurlarının inanma bağlamında diğerlerinden farklı olduğunu göstermektedir.

Cumhuriyet okurlarının neden farklı olacağı hipoteze getirilen gerekçede kesinlikle sunulmalıdır. Yukarıdaki bulgu sunumunun ardından bu farklılıkla ilgili açıklamalar getirilir.

Örnek 2: Televizyon program dağılımının karakteri (bulgu)

Araştırmanın bulgularına göre, bir haftada incelenen 1560 programın % 66’sını diziler, % 14’ünü yarışma programları, % 12’sini kadın programları, % 5’ini haber ve tartışma programları oluşturmaktadır. Haber dışında enformasyon ve bilgi veren programlar % 0.4 gibi çok küçük bir kaplamaktadır.

Örnek 3: Yerel basının durumu (Bulgu)

Gazetelerin teknik olanakları ve üretimlerinin doğasıyla ilgili olarak, haber toplamadan bitmiş ürünün dağıtımına kadar olan aşamalarda, dışarıdan hizmet alıp almadıkları soruldu. Hizmet alıyorlarsa hangi aşamalarda aldıkları belirlendi. Bulgulara göre, yerel basının %87.2`si dışarıdan hizmet aldıklarını belirtmişlerdir; fakat basının hepsi üretim süreçlerinin bir veya birkaç aşamasında bir şekilde dışarıdan (ödeme yaparak ve ödemesiz yararlanma anlamında) hizmet almaktadır. Haber toplama aşamasında dışarıdan yararlanma, ajanslar, internet ve diğer medyadaki “bitmiş ürünleri” (haberleri) alıp kullanma biçiminde olmaktadır ki bu yoldan birini veya birkaçını değişen ölçüde herkes kullanmaktadır. Araştırma bulgularına göre, gazetelerin % 89’u haber aşamasında özellikle ajansları ve interneti kullanma anlamına dışarıdan hizmet almaktadır. Araştırma sırasında bazı gazetecilerin interneti “kopya ve yapıştır” yoluyla haber yapmada kullandıkları belirtilmiştir. Bazı haberlerin de yaygın basından ve rakip yerel basının içeriğinden esinlenerek hazırlandığı söylenmektedir.


SONUÇ, TARTIŞMA, ÖNERİLER

Ampirik olmayan araştırmalarda, kaynaklar ve kaynaklardan toplanan bilgiler kullanılarak ana-metin hazırlandığı için, zaten ana-metnin inşası içinde sonuçlar da çıkartılmaktadır. Bu nedenle, sonuç bölümü, araştırmada o aşamaya kadar yapılanların ve analiz ve sentezlerin bir özetidir. Fakat niteliksel araştırma, tartışma, çözümler ve öneriler sunmayı gerektiriyorsa, bu da yapılır.

İyi bir ampirik tasarımda, bulgular ile yorum, aynı bölüm altında ve hatta aynı sayfalarda olsa bile, görünür ve ayırt edilebilir bir biçimde sunulmalıdır. Bu nedenle, eğer tasarım bulgular ve yorumun birlikte olmasını zorlamıyorsa, bulgular ayrı bir bölüm olarak, hiçbir yorum yapmaksızın, istatistiksel sonuçlarla birlikte sunulabilir.

Bulgu bölümünü, sonuç, tartışma ve gerekiyorsa öneriler takip eder. Bunlar “bulgular, değerlendirme, analiz, sonuç, tartışma, öneriler” gibi kavramlardan uygun olan biri veya birden fazlasını kullanılarak oluşturulan tek bir bölüm altında yapılabilir. Ya da, her biri tek bir bölüm altında alt-bölümler şeklinde sunulabilir. Hatta, örneğin öneriler ayrı bir bölüm yapılabilir.

Bir araştırma, sadece tabloları ve istatistiksel sonuçları sunmakla asla bitmez. Bulguların değerlendirilmesi yapılmalıdır ve bu yapılırken bulgular araştırma soruları, soruların çıkartıldığı kuramsal varsayımlar ve ilgili incelemeler arasında bağlar kurulur ve sonuçlar çıkartılır. Bunun anlamı, araştırmacı kuram ve araştırma sonuçları ile toplumsal gerçek arasında bağ kurar. İşte araştırmacının /akademisyenin “ayağının yere basmasının” anlamı burada yatar: Kuram testi ve kuramın açıklamalarının “açıkladığını açıklaması,” çünkü araştırma sonundaki tartışmalarda, bulgulara dayanan kuramsal tartışma, bize kuramın “açıklama doğası” hakkında, dolayısıyla kuramın geçerliliği hakkında bilgi verir. Böylece, kuram, kuram inşası ve araştırmalarla testi ve gerekiyorsa kuramın düzeltilmesi sağlanır. Kuramla “gerçek hayat” arasında kasıtlı olarak yanlış bağ kuran ve “siz akademisyenler kuramla uğraşıyorsunuz, toplum gerçeklerinden uzak kalıyorsunuz” dedirten, tüketici davranışları, etki ve ikna gibi yönetsel çıkar


faaliyetlerine indirgenmiş “bilme” ile sınırlı “bilim-düşmanı işlevsel-saçmalığın bilişinde ve girişiminde, bulguları birikmiş bilgiyle ve kuramsal bir yapıyla ilişkilendirerek “sonuç” çıkarma yoktur; onun yerine, sonuç bölümünde, bulguların farklı biçimde tekrarı ve bir yerlerden okudukları öneriler sunulur.

Yukarıdaki açıklamadan ve bu bölümde verilen özlü örneklerden de görüleceği gibi, bulguların değerlendirilmesi ve sonuç çıkarma sürecinde sadece araştırmanın bulguları kullanılmaz; aksine bulgular ile araştırma soruları/hipotezler, kuramsal çerçeve ve kaynak olarak kullanılan ilgili incelemeler arasında bağlar kurularak değerlendirme yapılır. Sonuç sunumunda, tasarımın amacı, soruları ve bulguları tasarımdaki yapıya uygun bir şekilde ilgili incelemeler ve kuramsal yapılarla ilişkilendirilerek değerlendirilir.

Aşağıdaki örnek, halkla ilişkilerin doğasıyla ilgili bir sonuç çıkartmakta ve araştırma için yeni varsayımlar sunmaktadır:

Halkla ilişkilerin oluşum koşullarıyla ilgili bulgular önemli bir gerçeğe işaret etmektedir: Halkla ilişkiler özellikle işletme, siyasal bilimler, psikoloji ve iletişim çalışmalarıyla ilgili disiplinler arası bir alandır. Birbiriyle iç içe geçmiş çeşitli bilim dallarının ortak kesişme noktalarında halkla ilişkileri görmek mümkündür. Halkla ilişkilerin ne olduğunu anlama öncelikle neden halkla ilişkilere gerek duyulduğunu ve çıkış nedenini doğru olarak saptamayı gerektirir. Halk ve müşteri denen kavramların doğal olarak gelişmediği, mutlak kölelik veya benzeri yönetim biçimlerinin egemen olduğu, yönetenlerin tanrı veya tanrının temsilcisi olduğu yönetim biçimlerinde ne profesyonel halka ilişkilercilere, ne halka ilişkiler şirketlerine ne de halkla ilişkiler bölümlerine gereksinim vardı. Kamu ve şirket güçlerinin insanları yönetmede kendi arzularına göre hareket ettiği sistemlerde de böyle bir gereksinim olamaz. Ne zaman ki, burjuva devrimleriyle kaçınılmaz olarak halka “vatandaş olma” hakkı verildi, halkı kontrol etmek ve yönlendirmek için “kamuoyu” yaratma ve rızayı imal etme gerekliliğinin de tohumları atılmış oldu. Bu tohum siyasal, ekonomik ve kültürel


pazarda, özellikle 19. yüzyılın üçüncü yarısından sonra hızlanan sendikalaşma hareketleri ve işçi sınıfının demokratik hak taleplerine karşı uygulanan baskıların beklenen sonuçları yeterince vermemesi nedeniyle ön plana çıkan bilinç yönetimi gereksinimiyle filiz verdi ve büyüdü. Bunun anlamı, halkla ilişkilerin meslek olarak çıkıp gelişmesi özellikle Amerikan tarzı bir siyasal ve ekonomik yapının olmasını ve bu yapıda ikna için, burjuva polis devletinin ordusu ve polisi yanında, bilinç yönetiminin politika olarak benimsenmesini gerektirir. 21. yüzyıla gelindiğinde, halkla ilişkiler (reklamcılık ve medya ile birlikte) dünya pazarında imajın doğru, gerçek ve öz olarak sunulmasında bilinç endüstrilerinin önemli bir parçası oldu.

Aşağıda, tekelin temel doğası ve medyada tekelleşmenin tv program tarzı ve içeriği üzerindeki yansımalarını tıp ve tıbba bağlı endüstriler örnekleriyle irdeleyen bir niteliksel incelemenin sonuç paragrafı sunuldu:

Doktorları, hemşireleri, hastaları ve hastaneleri işleyen filmler, seriler ve dizilerde gerçekle çok az ilişkisi olan idealleştirmeler egemendir. Bu tür programlarda insanlık durumu duygular, arzular, bireysel ilgiler ve sonunda çözülen sorunlarla doludur. Gerçek doktor, hemşire, hasta, hastane yönetimi ilişkilerinin bireysel duygular ve motivasyonlar yanı alınıp vurgulanır. Soruşturma daima duygusal ve bireyseldir. Üretilen ilişkilerin ardından yatan gerçekler normalleştirilmiş evrensellikler olarak varsayılır. Daima bir kriz durum vardır: Örneğin paylaşılan rollerde birisine bir şey olur; örneğin bilinmeyen bir bakteri veya virüs; hastayla doktor duygusal bağ kurar veya zaten bu eskiden vardır; doktorlar tedavi konusunda çatışırlar; birilerinin aşk ilişkisinde sorun çıkar; birileri aşık olur; gerginlikler oluşur; gerginlikler bireysel ilişkilerdeki kurgularla doruğa ulaştırılır; sonra birden rahatlama gelir; her şey eski denge durumuna döner. Her hafta sorunların çıktığı, dengenin bozulduğu fakat sonunda yeniden kurulduğu bir dünya sunulur insanlara. Televizyonda titizlikle seçilmiş “televizyon draması” çoğunlukla


çarpıtılıp sanki toplumdaki medikal drama gibi sunulur. Kitleleri mitlerle besleyen kapitalist çağdaşlık ve modernliğin ütopik kurumları televizyon ve televizyonla da beslenen “tıp ve ilaç endüstrileri” kendi koşullarını da yeniden üretir. Sonuç olarak tekel konusu pazar yapısı, yapının biçimlenişi, gelişmesi, maddenin ve düşünselin üretim tarzı ve ilişkileriyle bağıntılıdır. Doğru anlaşılması ancak bu bağıntılar içinde ele alınarak mümkündür.

Aşağıdaki sunum turizm ve çevre bağını ele almaktadır:

Turizmin çevreye etkisi kaçınılmaz olarak, sonunda turizm endüstrisinin de göz ardı edemeyeceği bir duruma gelmiştir. Doğal olarak bazıları gene göz ardı etmeye devam ederken, çevrenin kendi ticari varlıklarını uzun vadeli sürdürmede önemini anlayan bazı turizm tesisleri çevre koruma önlemleri almakta ve uygulamaktadır. Fakat bunların çoğu gelişmiş ülkelerde olmaktadır (Sweeting, 2009, aktaran People and Planet 2012; Erdoğan, 2011).Turizm endüstrisindeki bu değişim, bazen iyi imaj yapma için göstermelik gibi görünse bile, çevre korumanın aynı zamanda karlı bir iş olduğuna işaret etmektedir. Elbette, kar etmeyi müşteriye yüksek fiyat ve çalışana düşük ücret politikası uygulayarak sağlayan ticari kültürün olduğu çevrelerde bu tür ekstra çabaya girilmez. Hele “kalite, statü ve üstünlük imajın yenildiği, içildiği ve giyildiği” ve özün yerini görüntünün ve gösterişin aldığı Türkiye gibi “çok gelişmiş” yapılarda, süper kar etme koşulu içinde çevre, süper kar için teknolojiyle yeniden düzenlenmiş yapay iç çevredir. Bu yapay çevreyi çevreleyen doğal çevre süper kârdan kesinti yapmamak için çeşitli atıkların atılacağı yerdir.

Ampirik tasarım, tasarımın karakteri nedeniyle tartışma ve öneriler gerektiriyorsa, ayrıntılı tartışma ve öneriler sunulur. Öneri sunumunda bulguların çerçevesi içinde kalmak ve bulguların getirdiği ve ima ettiği sonuçlardan hareket etmek gerekir. Akademik incelemede, öneri bir şirketin/kurumun sorununu çözmesi için neyi nasıl yapacağı biçiminde olmaz; bu tür öneri ancak, araştırma bir yönetsel araştırmaysa,


kaçınılmaz olarak verilir. Öneri, sıkça yapıldığı gibi, “daha fazla inceleme gerekir” diye de bitmez. Öneri incelenen konuyla ilgili olarak yapılanlar ışığında yapılması (yapılmaması) gerekenler hakkında tartışma sunarak, ileride yapılacak araştırmalar için faydalı bilgiler vermektir.

Araştırmanın bölümleri ve alt-bölümlerinin kaç sayfa olacağı hakkında bir kural yoktur: Bir gerçek-deneysel tasarımın bulgu ve değerlendirmesi bir sayfayı geçmeyebilir. Öte yandan nicel ve nitel verileri kullanan eleştirel niteliksel bir incelemenin sonuç ve değerlendirmesi yüzlerce sayfa tutabilir.

Sosyal bilimlerin bulgularından genel kanunlara atıf ve gidiş yapılabilir; fakat ampirik tasarımda bulgularda “saptayıcı” (determinist) dil kullanımından kaçınılır. Çünkü (a) bulgularla elde edilen sosyal düzenlilikler değişmez yasaları değil olasılıklı kalıpları gösterir; (b) sosyal bilimlerin uğraştığı fenomen değişkendir ve fenomene etki eden tüm etkenlerin bilinemez. Bulgular olasılık yasalarına dayandığı için, ilişkilerde % 100 olasılık ve dolayısıyla, % 100 doğruluk iddiası edilemez ve aranmaz. Bulguların sunumu ve yorumunda olasılık dili kullanılır; fakat kuramsal yapılarda bu dilin çoğunlukla belirleyici anlatıma dönüştüğü görülür.

Ayrıca, ampirik araştırmada istatistikle elde edilen “anlamlılık” “istatistiksel anlamlılıktır; kuramsal veya pratiksel anlamlılık değil. Sonuç sunumunda, ancak kuram testine dayanan hipotez testi sonucu elde edilen anlamlılık tartışılarak kuramsal anlamlılığa uzatılır. Pratiksel anlamlılık, istatistiksel anlamlılığın pratikte bir anlamı olup olmadığıyla ilgilidir.

İncelenen sosyal fenomen, sosyal normlar, tutumlar, yapılar zaman içinde ve gelişen yeni koşullar altında değişebileceği elbette olasıdır. Bilimsel incelemeler bu değişmeleri gözlemler ve açıklamaya çalışır. Fakat herhangi bir zaman kesitinde ve koşulda elde edilen bulgulardaki yanılma payı içine düşen istisnalar olasılıklı sosyal düzenlilikleri bozmaz: Örneğin işçi işveren ilişkisinde örgütlü uygulamalarla kurulan işe gelme zamanıyla ilgili düzenlilik, sabah trafiğinden kaçınmak için geç gelme “istisnaları” yaratabilir. Bu


istisnalar geç gelen için oldukça “riskli” bir karardır ve çok ender yapılır. Trafikten kurtulmak için çok daha erken gelmek “risksiz” ve daha çok seçilmeye aday bir istisnadır. Bunlar olasılıklı incelemeyle elde edilen bulgularda işe gelme zamanıyla ilgili düzenliliklerin geçerliliğini ortadan kaldırmaz. Türkiye ve benzeri ülkelerde kamu kurumlarındaki egemen işe geç gelme ve işten erken çıkma kültüründe, bu pratik istisnayı değil, bozuk düzenin düzenliliğini anlatır; bu düzenlilikte istisna işine zamanında gelen ve zamanında gidendir ve bu kişiler kaideyi bozmaz. Bu, aynı zamanda araştırmada birkaç kişinin “kasıtlı” cevap vermesi sonucu etkilemeyeceği anlamına gelir. Araştırmacının verilerle oynayarak araştırmayı “pişirmesi” sadece kendi araştırmasındaki sonucu değiştirir.

Sonuç çıkarma incelenen konuyla sınırlanacağı gibi, kuramsal varsayımlara ve bu varsayımların bağlı olduğu kuramsal bir yapıya dayanarak genelleştirilebilir. Genelleştirme konusu hem niteliksel hem de niceliksel geleneğe bağlı akademisyenler arasında sürekli tartışma konusu olmuştur.

Sonuçlarda, araştırma örneğinin ötesinde ve hatta araştırma sorusunun ötesinde büyük genelleştirmeler yapabilmek için, (a) araştırma yönteminin, (b) ölçme seviyesinin, (c) alınan örneklemin, (d) kuramsal nedenselliğin ve gerekçenin bu tür sonuca izin vermesi gerekir. Tasarım dışı genelleştirmeler yapmaktan kaçınılmalıdır. Örneğin, Ankara Kurtuluş ve Kavaklıdere semtinde video kiralayan insanlar arasında alınan örneklemle yapılan bir inceleme tasarımıyla elde edilen sonuç, Ankara’ya genelleştirilemez, çünkü Kavaklıdere ve Kurtuluş Ankara’yı temsil etmez. Diyelim ki bu araştırma Ankara’yı temsil eden bir örneklemle yapıldı. Türkiye`ye genelleştirilemez, çünkü Ankara Türkiye’yi temsil etmez. Ayrıca, video kullanımının ve korsan video trafiğinin yaygınlığına bakarak, örneğin, kültürel emperyalizm tezi çürütülemez.

Araştırmanın bulguları sunulduktan, yorumu yapıldıktan ve sonuçlar çıkartıp öneriler yazıldıktan sonra araştırmacının işi bitmez. Bütün bilimler tanımlamaya, betimlemeye, açıklamaya, önceden tahmine ve bazı durumlarda maniple edilen değişkeni kontrol etmeye


çalışır. Araştırmayı yapan sosyal bilimci çifte göreve sahiptir: Birincisi, incelemesindeki nitel analizlerle veya istatistiksel süreçlerle bir sonuç elde etmektir; ikincisi ise, amacına uygun bir şekilde psikolojik, sosyolojik, kültürel veya siyasal bir kuramsal temel üzerine değerlendirme yapmaktır.

Sosyal bilimlerde araştırma sonuçları çarelerden çok sorunlar ortaya koyar. Bu sorunlar, oldukça normaldir, çünkü her araştırma belli sorulara yanıt verirken, yeni sorulara ve olasılıklara da yol açar.

Bir araştırma dergide veya resmi bir yerde basılacaksa, çoğu kez belirlenmiş kelime sayısını geçmeyen (örneğin 500 kelimeyi geçmeyen) özet istenir. Bunu yazmanın en iyi yolu şudur: Önce ne yapıldığı özetlenir. Bunu nasıl yapıldığı takip eder. Sonra bulgu ve sonuçlar gelir. Yani, bir özette, gerekli istisnalar dışında, ne yapıldığı, nasıl yapıldığı ve sonuçlar olmalıdır. Özeti kısaltma gerekirse, bu asla ne yapıldığı, nasıl yapıldığı veya bulgular ve sonuçtan biri atılarak yapılmaz. Kesinlikle, bu ana aşamalar özette sunulmalıdır. Özette kaynakça ve alıntı kullanılmaz.

Niteliksel bir araştırmada “özet/öz” örneği (Erdoğan, 2008): Futbol her toplumda tarih boyu artan bir şekilde günlük yaşamın önemli bir parçası haline getirilmiştir. Bu makale futbolu irdelemek ve futbolun incelenmesinde üzerinde durulması gereken olası konuları sunmak ve alışılagelen algılar, tutumlar, davranışlar, şiddet, holiganizm, görevler ve işlevler çerçevesi dışında futbolun ele alınması gerektiğini vurgulamak için hazırlandı. Bu amaçla, önce bir futbol tarihi araştırmasının neler üzerinde durması ve nasıl bir yaklaşımla futbolu incelemesi konusu ile ilgili açıklama sunuldu. Ardından, birbirine bağlı iki ana tema üzerine odaklanıldı: (1) materyal hayatın üretimi olarak futbolun örgütlenmesi ve pratiği; (2) bilişlerin ve davranışların üretimi olarak futbol. Her tema altında alt-temalar belirlenerek futbolun bu temalar ve alt temalar içinde incelenmesi konusu irdelendi. Ele alınan her tema ve alt tema içinde gerekli olan açıklamalar sunuldu, tartışıldı ve değerlendirmeler yapıldı. Anahtar sözcükler: Futbol, futbolu inceleme, futbol tarihi, futbol pratiği, futbol kulübü, futbol seyircisi, futbol oyuncusu

BÖLÜM XII

GRAFİK KULLANIMINA KARAR VERME

Bulguların sunumunda yazının yanında, tablolar, şekiller/grafikler kullanılır. Aynı şey hem tabloyla hem de grafikle verilmez. Tablo ve grafik sunumu verilerin dağılımını gösteren özet bulgu sunumudur. Yüzlerce süslü ve renkli grafiklerle (ve tablolarla) dolu bir “araştırma raporu” kitabı göz boyamadır. Bir istatistikçiyle, bir sosyal bilimciyi ayırt eden önemli noktalardan biri de şudur: Sosyal bilimcinin amacı istatistiksel süreçleri kullanarak istatistiğin verdiği sonucu incelediği sosyal olana bağlayan anlamlı açıklama üretmektir.

Grafiklerin doğru sunulması gerekir. Hangi istatistik testinin kullanılacağı kararında olduğu gibi, hangi grafiğin kullanılacağında da ölçeğin seviyesi ve amaç belirleyici rol oynar. Mesafeli ölçekten aşağı doğru inildikçe grafik çeşidi ve kullanım seçenekleri azalır.

İki boyutlu grafikler tek değişkenin kendi içindeki dağılımını veya iki değişken arasındaki ilişkiyi göstermek için kullanılır. Grafik üç boyutlu yapıldığında genellikle çok değişkenli analiz için kullanılır.

TEK DEĞİŞKENLİ ANALİZDE GRAFİK KULLANIMI

Tek değişkenin doğasının bilinmesi, ne tür ve ne seviyedeki analiz olursa olsun, oldukça önemlidir. Özellikle dağılımın şeklini (normal olup olmadığını, doğrusal olup olmadığını, uç değerlerin olup olmadığını) görmek için grafik kullanımı gerekir.

Sütun ve çizgi grafikleri Analizde isimsel, kategorili ve gruplandırılmış data olunca en

yaygın kullanılan grafik “bar” (sütun) grafiği ve pasta grafiğidir. Bar grafiğiyle yapılacak anlamlı sunum şöyledir: eğer kategorileri oluşturan toplam sayı (örneklem sayısı) yüzden az az ise, grafik üzerinde sayı verilmeli, eğer çok ise yüzdeler yazılmalıdır. Bir bar grafiği kullanılarak değişkenlerin dağılımları gösterilebilir.

Grafik Kullanımına Karar Verme 416

Örneğin Şekil 23 dört kademeli çevre duyarlılığı dağılımını ve Şekil 24 gruplandırılmış datanın dağılımını göstermektedir.

Şekil 23. Çevre duyarlılığının bar grafiğiyle sunumu

Şekil 24. Dört grubun dağılım yüzdesi grafiği

2530

1926

05

1015202530

1 2 3 4

Çevre duyarlılığı

Yüzd

e

18

2933

20

05

101520

253035

1 2 3 4

Yüzd

e

Gruplar


Yan yana konmuş bar grafikleri (şekil 25) ve birbiri üzerine bindirilmiş grafikler (şekil 26) iki dağılım hakkında görsel bilgi verir ve yorum yapılmasını sağlar.

Şekil 25. Yan yana konmuş bar grafikleri

Şekil 26. Cinsiyetin gelire göre dağılımı

20

37

17 188

46

26

13 9 6

01020304050

1 2 3 4 5

Tv izleme Gazete okuma


Pasta grafiği:

Benzer şekilde, bar yerine pasta dilimleri biçiminde kategorili değişkenin dağılımı sunulabilir. Şekil 27 sigara kullanımıyla ilgili toplanan verinin pasta grafiğiyle dağılımını göstermektedir.

Şekil 27. Pasta grafiği örneği

Histogram Mesafeli ve oranlı ölçeğin kendi içindeki dağılımını göstermek için

kullanılacak grafikler amaca göre farklılaşır. Aşağıdaki örnekte (Şekil 28) 134 öğrencinin not dağılımı sunuldu. Dağılımda gerçi ortalama 69 olarak çıkmış, fakat “sıfır” alan birkaç öğrenci ortalamayı aşağı çekmiş ve not dağılımı sağa doğru yatmış (negatif kayma= -0.798). Bu durum görüldüğünde, ortalama yerine, merkezi yönelim göstergesi olarak orta nokta kullanılır (median = 65).

Hiç içmedim

60%

içiyorum31%

içerdim bıraktım

9%

Başarı

12

10

8

6

4

2

0


Şekil 28. Başarı dağılımı histogramı

Histogram kullanımı frekans dağılımını sunmada oldukça faydalıdır. Fakat averaj ve standart sapmalar kullanıldığında, ölçeğin mesafeli olması gerekir ki bir anlam taşısın. Bazen, bar\sütun ile normal dağılım eğrisi birlikte sunulabilir. Böylece, hem dağılım hem de dağılımdaki yönelim (sağa veya sola kayış) görülebilir.

İKİ DEĞİŞKENLİ ANALİZDE GRAFİK KULLANIMI

İki değişkenli analizde değişkenler grafikle karşılaştırılabilir. Bu amaçla kategorili ve mesafeli ölçekler için farklı grafikler kullanılır.

Sütun grafiği Kategorili iki değişken ele alınıp; birinin içine diğerinin dağılımını

görmek oldukça faydalıdır. Bu tür sunumda sütun, alan ve çizgi biçimlerindeki grafikler kullanılabilir. Dağılım aynı kategori içinde yan yana gruplanmış (clustered) veya üst üste yığılmış (stacked) biçimlerde gösterilebilir. Aşağıdaki grafikte sigara kullanımı ile nefes darlığı karşılaştırıldı. Grafikten de açıkça görülebileceği gibi sigara içmeyenlerin dörtte üçü koştuktan sonra nefes darlığı çekmezken, içenlerin sadece % 9’u nefes darlığı çekmemektedir. İçmeyenlerin sadece % 5’i çok nefes darlığından şikayet ederken, bu yüzde içenler arasında % 53’e ulaşmaktadır.

9

38

53

75

20

5

01020304050607080

yok orta çok

sigara içiyor

içmiyor


Şekil 29. Sigara kullanımıyla nefes darlığı ilişkisi (%)

Kategorili değişkenlerle ilgili bir diğer sunum da iki değişkeni yan yana sunmaktır. Fakat bu anlam karışıklığına yol açabilir; dolayısıyla çok dikkatli olmak gerekir.

Scatterplot

Mesafeli seviyede ölçülmüş iki değişkenin karşılaştırılmasında “scatterplot” grafiği kullanılır. İki nicel değişken arasındaki ilişkiyi görmede (korelasyon ve regrasyon analizinde) bu grafik faydalıdır. Böylece iki değişken arasındaki ilişkinin doğası anlaşılır. Ayrıca, kısmi korelasyon analizi için “partial plot” yapılabilir.

Şekil 30 İki değişken arasındaki ilişkinin iki boyutlu koordinat sistemi üzerindeki dağılımını göstermektedir. Bu tür “scatterplot” sunumunun faydası, dağılımın gözle açıkça görünebilirliliğidir. Yukarıdaki dağılıma bakarsak, bilinç ile tutum arasında pozitif bir ilişkinin olduğunu görürüz. Bilinç ile birlikte özelleştirmeye karşı negatif tutum da artmaktadır. Elbette bu bilinci taşıyan kişi özelleştirmeden bir çıkarı olmayan kişidir. Bu tür diyagram iki değişken arasında ilişki arandığında sunulabilir.

Şekil 30. Toplumsal bilinç ile özelleştirmeye karşı tutum

Diyagrama bakıldığında sadece ilişkinin pozitif olduğu görülmez, aynı zamanda, güçlü olduğu sonucu çıkartılabilir. Güçlü, orta derecede güçlü veya zayıf ilişki nasıl anlaşılır? Dağılıma bakıldığında

908070605040302010

Bilinç

1009080706050403020100

Tutu

m

R sq = 0,84


eğer noktalar regrasyon çizgisine yakınsa veya birbirine çok yakın ve yukarıya doğru çizgi gibi sıralanıyorsa, çok güçlü bir ilişki var demektir. Eğer noktalar birbirinden uzaklaşıyorsa, ilişki zayıflar. Eğer belli bir noktadan sonra yukarı doğru tırmanan kümeleşme aşağıya doğru dönüyorsa kavisli (curvilinear) bir ilişki olduğu ortaya çıkar.

Boxplots

Araştırmacı her çeyrekteki, değerleri, en yüksek ve en düşük değerleri ve bir değerin bu ayırımda nereye düştüğünü bilmek isteyebilir. Bunun için Boxplot oldukça faydalıdır. Boxplot ile bir kutu ve çizgiler kullanılarak frekans dağılımının bir şeması yaratılır. Boxplot verileri dört parçaya ayırır. Bu dört bölümün görece yeri dağılımın şekli hakkında bilgi verir:

1. % 25’inci – ilk çeyrek (Ç1) 2. % 50’inci – Orta nokta (median); ikinci çeyrek (Ç2) 3. % 75’inci – üçüncü çeyrek (Ç3) 4. % 100’üncü -- maksimum (Ç4)

O o o O

O O O

o O

O

o

O

o

O

o

O

1 2 3 4 5 6 7 8 9 10

Min Ç1 Ç2 Ç3 Maks

________________ ---|___|____________|-----------------

Şekil 31. Pozitif kayma

Pozitif kayma gösteren dağılımda minimum, Ç1 ve Ç2 birbirine Ç3 ve Ç4’den daha yakın durur (Şekil 31). Negatif kayma gösteren dağılımda durum tam tersi olur. Normal dağılımda ise, Ç1, Ç2 ve Ç3 eşit uzaklıkta olacaktır.


Örneğin araştırmacı 130 kişilik bir gruba Makyavellicilik (=yüzüne gülüp sırtından vurma) davranış testi uyguladı (Şekil 32).

Şekil 32. Boxplot örneği

İki değişkeni yan yana koyan boxplot grafiğine bakıldığında kız ve erkek arasında dağılım farkları olduğu görülmektedir. Elbette farkın ne kadar olduğu için istatistik testi yapmak gerekir. Yapılan testte, kadınların orta nokta değeri 61, erkeklerinki ise 67 olarak çıkmaktadır. En yüksek ve en düşük değerlerde kadın ile erkek arasında 2 puan fark vardır. One way Anova testi sonucu erkek ve kızlar arasında Makyavelci olma bağlamında fark olmadığı ortaya çıkmıştır (F = 0.037; p= 0.849).

DİĞER GRAFİK SUNUMLARI

Yukarıdaki grafikler en çok kullanılanlardır. Bunların yanında “zaman serileri,” “sıralamalı (sequencial) ölçmeleriyle ilgili grafikler, Q-Q Plot ve her grafik grubu içinde çeşitli alternatifler vardır. Önemli olan uygun olanı seçmektir. Uygun olanları ölçek seviyesi belirler.

Ayrıca, anlamlandırması zor olsa da, çok değişkenli grafikler vardır. Bunlar çoğu kez üç boyutlu olarak sunulurlar.

BÖLÜM XIII

EK: ARAŞTIRMA YAZIM KURALLARI

Bir araştırma tasarımı bir tez veya herhangi bir proje önerisi olarak hazırlanabilir. Öneri verilecek kurum araştırma önerilerinin formatının nasıl olacağı hakkında çoğunlukla bilgi verir. Bu bilgi oldukça ayrıntılı olabileceği gibi sadece önerinin genel hatlarını belirtebilir. Eğer öneri hakkında ayrıntılı bilgi verilmemişse, o zaman bilimsel bir tasarımın süreçlerine göre önerinin hazırlanması gerekir. Araştırma önerisi henüz kabul edilmediği ve uygulanmadığı için öneride gelecek zaman kullanılmalıdır. Araştırma yapılıp rapor hazırlandığında, “di’li” geçmiş zaman kullanılabilir.

Araştırma sunumunda özellikle sayfa düzeni, metin içi referanslar, kaynakça, dipnotlar (veya son notlar), tablolar, şekiller, haritalar, numaralandırma, bölümler ve alt bölümlerin biçimine dikkat etmek gerekir. Türk Dil Kurumunun veya herhangi bir güvenilir kurumun yazım kılavuzu araştırmacının el kitabı olabilir.

Günümüzde APA, MLA, Chicago, Michigan ve Harvard gibi yazım kuralları sistemleri vardır. Bunlarla ilgili temel bilgiler internetten kolayca bulunabilir.

TEMEL SAYFA DÜZENİ

Sayfa düzeniyle kullanılacak kağıdın boyutu, yazının sayfada nasıl yerleştirileceği, kullanılacak yazı tipi (font), yazının büyüklüğü, başlık ve alt başlıkların nasıl olacağı, paragraf başlangıcı, sayfa numaralama, tablo ve şekil numaralandırma ve yerleştirme, dipnot (veya son not) kullanımı belirlenir.

Araştırma bir akademik dergi içinse, dergilerin veya yüksek lisans veya doktora tezi ise, okulların kendi sayfa düzeni sistemleri vardır; araştırmacının ona uyması gerekir. Eğer bir kurum içinse, kurum herhangi bir biçime karar vermemişse, o zaman çağdaş sayfa düzenlerinden birinin seçilmesi gerekir.

Yazım Kuralları 424

METİN İÇİ REFERANS VERME

Metin içi referans akademik bir incelemede yazarın bilgi birikiminden yararlandığını, araştırmasını bu bilgi birikimi üzerine inşa ettiğini gösterir. Metin içi referanslar kullanılan kaynakları belirtir ve okuyucuyu kaynak hakkında bilgi için kaynakçaya yönlendirir.

Dipnotlar ve son notlar ek açıklama için kullanılır. Ek açıklama aynı sayfada sayfa altında yapıldığında “dip not” ve bölümün veya kitabın/makalenin sonunda yapıldığında “son not” ismini alır. Dipnotlar ve son notlar “1” sayısından başlayarak numaralanır.56

Metin içi referans vermenin birden fazla yolu vardır. Temel kural tek bir metinde tek bir referans verme sisteminin kullanılmasıdır.

KAYNAKÇA YAZMA

Metinde yararlanılan kaynaklar, “kaynakça” başlığı altında, araştırmanın (veya raporun) en sonunda alfabe sırasına göre sunulur. Bu sunuşta belli kurallar ve yöntemler vardır. Dergiler ve tez yönetmelikleri bunu belirler. Belirlenmemişse, en uygun ve çağdaş olanı seçmek gerekir.

Kaynakların basılmış olması gerekmez. Kaynak konuşan veya sessiz bir taş bile olsa kaynaktır. “O kaynak, olmaz, bu kaynak olmaz” diye sınırlama yoktur. Araştırma tasarımına uygun ve tasarım için kaynak niteliği taşıyan her şey kaynaktır. Kaynağın güvenilirliği sorununu, araştırmacının çözmesi ve sunması gerekir.

Bir makalede veya kitapta, sadece tek kaynakça yazma yöntemi kullanılmalıdır. Bu yöntemin kurallarına ve biçime göre kaynakça düzenlenmelidir.

56 Bu bir dipnot numaralama ve açıklama örneğidir.

KAYNAKÇA

Algan, E. (2009) What of Ethnography? Television & New Media 10

(1): 7-9. Alvesson, M. ve D. Karreman (2000) Varieties of discourse: On the

study of organizations through discourse analysis. Human Relations, 53 (9):11-25.

Andreski, S. (1972). Social Sciences as Sorcery. NY: St. Martin. Antaki, C. (2008) Discourse analysis and conversation analysis. In: P.

Alasuutari, L. Bickman, J. Brannen (eds.) The SAGE Handbook of Social Research Methods. London: Sage., pp. 431-46.

Antaki, C., Billig, M., Edwards, D. & Potter, J. (2003). Discourse analysis means doing analysis: A critique of six analytic shortcomings, Discourse Analysis Online, 1, [pdf version]. http://extra.shu.ac.uk/daol/articles/open/2002/002/antaki2002002-paper.html

Atkinson, P. (1990). Ethnographic Imagination: Textual constructions of reality. London: Routledge.

Atkinson, P. (1992). Understanding ethnographic texts. Thousand Oaks Ca: Sage.

Atkinson, P. (1996). Sociological readings and re-readings. Aldershot, Hants.: Avebury.

Bauman, Z. (1993). Postmodern ethics. Oxford: Blackwell. Bauer, H. H. (1992). Scientific literacy and the myth of the scientific

method. Urbana: University of Illinois Press. Beaugrande, R. De (2006) Critical Discourse Analysis: History,

ideology, methodology. Studies in Language & Capitalism 1 (1): 29 – 56

Berelson, B. (1952) Content Analysis in Communication Research. New York: free press.

Berg, B. L. (1995). Qualitative research methods for the social sciences (2nd ed.). Boston: Allyn and Bacon.

Bernstein, R. (1989, November 26). “Can movies teach history?” New York Times, Sec. 11, pp. 1,18-19.

Biltereyst, D. (1996). The cultural imperalism thesis and qualitative audience research – more than revisionism and cultural populism? Communicatio, 22(2): 2-13.

Blackburn, R. (1973). Ideology in social science. NY: Vintage. Blalock, H. M. (1961) Causal inferences in nonexperimental research.

Chapel hill: The University of North Carolina Press.

Kaynakça 426

Bogdan, R. C., & Biklen, S. K. (1982). Qualitative research for education: An introduction to theory and methods. Boston: Allyn and Bacon, Inc.

Brown, D. C. (1996). Why ask why: patterns and themes of causal attribution in the workplace. Journal of Industrial Teacher Education, 33(4), 47-65.

Borg, W. (1963). Educational research: An introduction. New York: David McKay Co., Inc.

Brydon-Miller, M., Greenwood, D. ve Maguire, P. (2003). Why action research? Action Research, 1(1): 9–28.

Bryman, A. (2008). Social Research Methods. New York: Oxford University Press.

Burgess, R. G. (Ed.). (1995). Computing and qualitative Research: Studies in qualitative methodology. Greenwich Ct: Jai Press.

Butler, C. W., Fitzgerald, R., Gardner, R. (2009) Ethnomethodological Approaches to Communication. Special Issue: Australian Journal of Communication, 36 (3): 1-14.

Carter, J. C., & Fairburn, C. G. (1998). Cognitive-behavioral self-help for binge eating disorder: A controlled effectiveness study. Journal of Consulting and Clinical Psychology, 66, 616-623.

Christians, C. G.(2008) Media Ethics on a Higher Order of Magnitude, Journal of Mass Media, Ethics, 23(1): 3- 14.

Clandinin, D. J. (Ed.). (2007). Handbook of narrative inquiry: Mapping a methodology. Thousand Oaks, CA: Sage.

Crawford, P. I. & Turton, D. (Eds.). (1992). Film as ethnography. Manchester: Manchester

Cronbach, L. J. (1975, February). Beyond the two disciplines of scientific psychology. American Psychologist, 30(2), 116-127.

Denzin, N.K., & Lincoln, Y.S. (Eds.) (1994). Handbook of qualitative research. Thousand Oaks, CA: Sage.

Duffee, L., & Aikenhead, G. (1992). Curriculum change, student evaluation, and teacher practical knowledge. Science Education, 76(5), 493-506.

Eisner, E. W. (1991). The enlightened eye: Qualitative inquiry and the enhancement of educational practice. New York, NY: Macmillan Publishing Company.

Elliott, J. (2006). Using narrative in social research: Qualitative and quantitative approaches. London: Sage.

Erdoğan, İ. (2003/2005/2007/2011). İletişimi anlamak. Ankara: Erk. Erdoğan, İ. (2006). Medya ve etik: eleştirel bir giriş. İletişim Kuram ve

Araştırma Dergisi, 23: 1-27. Erdoğan, İ. (2008) Futbol ve futbolu inceleme üzerine. İletişim Kuram

ve Araştırma Dergisi, 26(2): 1-58

Kaynakça 427

Erdoğan, İ. ve Alemdar, K. (2010). Öteki Kuram. Ankara: Erk. Fairclough, N. and P. Graham (2002). Marx as a critical discourse

analyst: Estudios de Sociolinguistica 3: 185-229. Fairclough, N. L. and Wodak, R. (1997). Critical discourse analysis. In

T. A. van Dijk (ed.), Discourse Studies. A Multidisciplinary Introduction, Vol. 2. Discourse as Social Interaction (pp. 258-84). London: Sage.

Fetterman, D. M. (2009). Ethnography: Step-by-step (3rd ed.). Thousand Oaks, CA: Sage.

Friedrichs, R. W. (1970). A sociology of sociology. NY: Free Press. Fürsich; E. (2009) In defense of textual analysis. Journalism Studies,

10(2): 238-252. Gee, J. P. (2011). An introduction to discourse analysis: Theory and

method (3rd ed.). New York: Routledge. Gerring, J. (2007). Case study research: Principles and practices.

Cambridge: Cambridge University Press. Glaser, B. G., & Strauss, A. L. (1967). The discovery of grounded

theory. Chicago, IL: Aldine Publishing Company. Glass, G. V. & Hopkins, K. D. (1996). Statistical methods in education

and psychology. NY: Alyn and Bacon. Gouldner, A. W. (1970). The coming crisis of Western sociology. NY:

Basic Books. Graham, L. J. (2005) Discourse analysis and the critical use of

Foucault. eprints.qut.edu.au/2689/1/2689.pdf (erişim: 2012) Groenewald, T. (2004). A phenomenological research design

illustrated. International Journal of Qualitative Methods, 3(1): 1-26.

Guba, E. G. (1978). Toward a methodology of naturalistic inquiry in educational evaluation. Monograph 8. Los Angeles: UCLA Center for the Study of Evaluation.

Hijams, E. (1996). The logic of qualitative media content analysis: a typology. Communications, 21: 93-109.

Hoepfl, M. C. (1997). Choosing qualitative research: A primer for technology education researchers. Journal of Technology Education,9(1). http://scholar.lib.vt.edu/ejournals/JTE/jte.html.

Hollihan, Thomas A. & Riley, P. (1987). "The rhetorical power of a compelling story: A critique of a 'Toughlove' Parental Support Group." Communication Quarterly, 35(1): 13-25.

Holliman, R. M. (2004) Media Coverage of Cloning: A Study of Media Content, Production and Reception. Public Understanding of Science, 13 (2):107-130.

Hutchby, I., & Wooffitt, R. (2008). Conversation analysis (2nd ed.). Cambridge: Polity.

Kaynakça 428

İletişim Kuram ve Araştırma Dergisi (2006). Medya ve Etik, sayı 23. Lazarsfeld, P. F. (1972). Qualitative analysis. Boston: Allyn & Bacon. Lewis, T. (1997). Impact of technology on work and jobs in the printing

industry - implications for vocational curriculum. Journal of Industrial Teacher Education, 34(2), 7-28.

Lincoln, Y. S., & Guba, E. G. (1985). Naturalistic inquiry. Beverly Hills, CA: Sage Publications, Inc.

Lindman, Harold R. 1992. Analysis of variance in experimental design. New York: Springer-Verlag.

Livingstone; S. (2004) The Challenge of Changing Audiences. European Journal of Communication, 19(1): 75-86.

Lofland, J., & Lofland, L. H. (1984). Analyzing social settings. Belmont, CA: Wadsworth Publishing Company, Inc.

Longaker, M. G. ve Walker, J. (2010) Rhetorical Analysis. Longman. Lonkila, M. (1995). Grounded Theory as an emerging paradigm for

Computer-Assisted Qualitative Data Analysis. In U. Kelle (Ed.). Computer-Aided Qualitative Data Analysis. London: Sage.

Lyon, A. and Mirivel, J. C. (2011) Reconstructing Merck's Practical Theory of Communication: The Ethics of Pharmaceutical Sales Representative-Physician Encounters', Communication Monographs, 78(1): 53 - 72.

Macnamara, J. (2005). Media content analysis: Its uses, benefits and Best Practice Methodology. Asia Pacific Public Relations Journal, 6(1): 1- 34.

Madison, D. S. (2005). Critical ethnography: Methods, ethics, and performance. Thousand Oaks, CA: Sage.

Marshall, D. D. (2002). At whose service? Caribbean state posture, merchant capital and the export services option. Third World Quarterly, 23 (4): 725–751.

Marshall, C. & Rossman, G. B. (1994). Designing qualitative research. (2nd ed.). CA: Sage.

McKee, A. (2003) Textual analysis: a beginner's guide. London: Sage McGaw, D. ve Watson, G. (1976). Political and social inquiry. N.Y.:

John Wiley. Merriam, S. B. (2009). Qualitative research: A guide to design and

implementation. San Francisco: Jossey-Bass. Miller, G. R. ve H. E. Nicholson (1976). Communication inquiry: A

perspective on a process. Menlo park, CA: Addison Westley. Miller, Rupert G. Jr. 1996. Beyond ANOVA, Basics of applied

statistics. 2nd. ed. London: Chapman & Hall. Morley, D. (1980) The Nationwide Audience. London: British Film

Institute.

Kaynakça 429

Murchison, J. M. (2010). Ethnography essentials: Designing, conducting, and presenting your research. CA: Jossey-Bass.

Nachmias, C., & Nachmias, D. (1996). Research methods in the social sciences (5th ed.). New York: St. Martin's Press.

Neter, J., Wasserman, W., and Kutner, M.H. 1990. Applied linear statistical models. 3rd ed. Homewood, IL: Irwin.

Nichols, David P. (1995). Using categorical variables In regression. SPSS, Inc, SPSS Keywords, Number 56, 1995.

Ogan, C. (1988), "Media imperialism and VCR: The case of Turkey." Journal of Communication, 38(2) s. 93-105.

Patton, M. Q. (1990/2002). Qualitative evaluation and research methods (2nd/3rd ed.). Newbury Park, CA: Sage.

Pellekaan, J. van H. (2002). INDIA: Evaluating Bank Assistance for Poverty Reduction: A Country Assistance Evaluation. Washington D.C.: The World Bank.

Phillips, D. C. (1990). Subjectivity and objectivity: An objective inquiry. In Eisner and Peshkin (Eds.) Qualitative inquiry in education: The continuing debate (pp. 19-37). New York: Teachers College Press.

Phillips, D. L. (1971). Knowledge from what? Chicago: Rand McNally Philo, G. (2007) Can discourse analysis successfully explain the

content of media and journalistic practice. Journalism Studies, 8 (2): 175 – 196.,

Powers, P. (2007) The Philosophical Foundations of Foucaultian Discourse Analysis. Critical Approaches to Discourse Analysis across Disciplines 1 (2): 18-34.

Rapley. T. (2008). Doing conversation, discourse and document analysis. Thousand Oaks, CA: Sage.

Schatzman, L., & Strauss, A. L. (1973). Field research. Englewood Cliffs, N.J.: Prentice-Hall, Inc.

Seiter, E. (1992). Semiotics, Structuralism and Television'. In Allen, Robert C. (Ed.) Channels of Discourse, Reassembled. London: Routledge.

Sherbert, P. (2007) Rhetorical analysis. http://apsi2010.wikispaces. com/ file/detail/Rhetorical+Analysis+edited+2010.pdf

Simons, H. (2009). Case study research in practice. London: Sage. Simpson, M., & Tuson, J. (1995). Using observations in small-scale

research: A beginner’s guide. Edinburgh: Scottish Council for Research in Education. ERIC Document 394991.

Smith, J. K., & Heshusius, L. (1986, January). Closing down the conversation: The end of the quantitative-qualitative debate among educational inquirers. Educational Researcher, 15(1), 4-12.

Kaynakça 430

Sours, J. S. (1997). A descriptive analysis of technical education learning styles. University of Arkansas: Unpublished doctoral dissertation.

Stockburger, David W. (1993). Linear models and analysis of variance: Concepts, models, and applications. Southwest Missouri State University.

Strauss, A., & Corbin, J. (1990). Basics of qualitative research: Grounded theory procedures and techniques. Newbury Park, CA: Sage Publications, Inc.

The Virtual Research Assistant (2003). Data analysis. http://www. ukans.edu/cwis/units/coms2/vra/dataan.html.

The Virtual Research Assistant (2003a). Reference. http://www.ukans. edu/cwis/units/coms2/vra/ reference.html

Thernburn, G. (1976). Science, class and society. London: Routhledge.

TRT (2002). Televizyon Yayınları Kamuoyu Araştırması. Ankara: TRT. Van Dijk, T. A. (1993). Principles of Critical Discourse Analysis.

Discourse and Society 4(2): 249-283. pp. 255-257 Walther, J. B. (2002). Research ethics in Internet-enabled research:

Human subjects issues and methodological myopia. Ethics and Information Technology, 4: 205-216.

Weaver, A. & Atkinson, P. (1994). Microcomputing and qualitative data analysis. Aldershot, Hants: Avebury.

Weber, R. (1990). Basic content analysis (2nd ed.). Newbury Park, CA: SAGE Publications.

Wheeler, M. (1976). Lies, damn lies, and statistics: The manipulation of public opinion in America. NY: Liveright.

Widdowson, H. G. (1995). Discourse Analysis: A Critical View." Language and Literature 4(3): 157-172.

Winer, B.J., Brown, D.R., and Michels, K. M. (1991). Statistical principles in experimental design. (3rd ed). New York: McGraw Hill.

Wodak, R., & Meyer, M. (2009). Methods for critical discourse analysis (2nd ed.). London: Sage.

Wuebben, P. L ve diğerleri (1974) (eds.). The experiment as a social occasion. Berkeley, CA: Glendessary.

Yaşar, D. (2006). Türk Basınında Alternatif Tıbbın Sunumu. Gazi Üniversitesi Sosyal Bilimler Enstitüsü, Yüksek Lisans tezi.

Yin, R. K. (2008). Case study research: design and methods (4th ed.). Thousand Oaks, CA: Sage.

İrfan Erdoğan

Kayseri’nin Gergeme Köyünde doğdu. AÜ SBF BYYO’nu bitirdi. Bir yıl TRT Ankara Televizyonunda çalıştıktan sonra, ABD’ye gitti. İletişim dalında Purdue Üniversitesi’nden Master derecesi ve Pittsburgh Üniversitesinden PH.D. aldı. New York City Üniversitesi Hunter College ve Queens College’de ve Ankara Üniversitesinde öğretim üyeliği yaptı. Şimdi Gazi Üniversitesi İletişim Fakültesinde öğretim üyesidir.

Başlıca yapıtları:

• İletişimi Anlamak (2002/2005/2008/2011) • Teori ve Pratikte Halkla İlişkiler (2006/2008/2010) • Öteki Kuram (K Alemdar ile)(2002/2005/2009) • Türkiye’de Gazetecilik ve Bilim İletişimi (2007) • Ampirik Araştırmalarda Sorunlar: TRT ve RTÜK Kamuoyu

Araştırmaları Üzerine Bir İnceleme (2008) • Popüler Kültür ve İletişim (K. Alemdar ile)(1995/2005/2011) • Sinema ve Müzik (P. B. Solmaz ile) (2005) • Pozitivist Metodoloji: Araştırma ve İstatistik yöntemler (2003/2007) • Kapitalizm, Kalkınma, Postmodernizm, İletişim (1999) • Araştırma Dizaynı ve İstatistik Yöntemleri (1998) • İletişim Egemenlik ve Mücadeleye Giriş (1997) • Çevre Sorunları: Nedenler Çözümler (N. Ejder’ ile) (1997) • İnsanın Zincirine Vuruluşu: Köleliğin İletişimi (1997) • Amerika: İkinci Vatanda Düşler ve Gerçekler (1995) • Uluslararası İletişim (1994) • Sevmek ne Demek: Aşk, Evlilik ve Tutsaklık (1993) • İletişim ve Toplum (1990)

Ayrıntılı okumalar ve kaynakları için bkz:

http://www.irfanerdogan.com/

pozitivist metodoloji ve Ötesi - | prof. dr. İrfan erdogan · kapak tasarımı ve dizgi İrfan...

Documents