EĞİTİM YÖNETİMİNDE ALAN ARAŞTIRMALARI-II*

1. Bilimsel Araştırma ve Yayın Sürecinde Uyulması Gereken Etik İlkeler

Bilimsel bir çalışma hazırlanırken, tasarlama, veri toplama, raporlama ve yayınlama aşamalarının her birinde yayın etiği ilkelerinin dikkate alınması gerekir.  Bilimsel bir yayında bulunması gereken vazgeçilmez özellikler şöyledir (İnci, 2015): (1) Yayındaki bilgi doğrudur ve kasıtlı olarak eksik bilgi içermez. (2) Bilgilerin üretimi ve geliştirilmesi aşamalarında “bilim etiğine” uygun davranılır. (3) Bilimsel sistematik içinde elde edilen veriler ve bulgular yayınlanabilir. (4) Kişisel çıkarlar, kaygılar, politik görüşler ve dini inançlar yayını etkilemez. Yayın tarafsızdır. (5) Yayında yararlanılan bütün kaynaklar atıf yapılarak belirtilir. Yayında herkesin erişemeyeceği, gizliliği olan kaynaklar kullanılmamalıdır. (6) Yayındaki bilginin üretilmesinde, derlenmesinde, ölçülmesinde ve yayına hazırlanmasında payı olanların katkıları, yazar olarak ya da teşekkür edilerek belirtilir (Akt. Binatlı ve diğerleri, 2011).

Bilimsel yayınlarda kabul edilebilir ölçüleri aşan alıntı yapmanın, etik dışı bir davranış olduğu kabul edilir (İnci, 2015). Bunun yanında bilimsel iletişim sürecinde genelde “etik dışı” olarak tanımlanan davranışlar içine sahtecilik, intihal/aşırmacılık (plagiarism), uydurmacılık ve yinelenen yayın yapma gibi istenmeyen uygulamalar girmektedir (Uçak ve Birinci, 2008). Dünya genelinde kabul gören ana etik ilkeler ise (Christians, 2005:144-5; Punch, 1994: 90-94), bilinçli onay; gizlilik, özel hayata saygı ve zarar vermeme; aldatmama/yanıltmama ve verilere sadık kalma biçiminde ele alınır (Akt. Yıldırım ve Şimşek, 2013).

2. Verilerin Düzenlenmesi, Ayıklanması, Betimlenmesi ve Normal Dağılım Özelliklerinin Belirlenmesi Sürecinde Dikkat Edilmesi Gereken Hususlar

Bilimsel araştırmalarla geçerli ve güvenilir sonuçların çıkarılması için analize başlamadan önce araştırmaya temel olan verilerin veri niteliğinin belirlenmesi gerekir. Analiz öncesinde ve verilerin düzenleme sırasında şu aşamalar dikkate alınır (Çokluk, Şekercioğlu, Şimşek; 2014): (1) Küçük verilerle (n≤30) çalışılıyorsa, SPSS’de “List” seçeneği kullanılır. Büyük veri setlerinde (n≥30) ise Analyze/Descriptive Statistics/ Frequency adımları izlenir. Nicel değişkenler için ranj (aralık), ortalama ve standart sapma değerlerine; kategorik değişkenlerde de tüm denek değerlerinin kategorik kodlarına karşılık gelip gelmediğine bakılabilir.  (2)Ölçme aracının başarısızlığından, deneklerin tüm maddelere cevap verememesinden veya veri girişi sırasında yapılan hatalardan dolayı ortaya çıkan kayıp değerler ve bunların yarattığı etkilerinin değerlendirilmesi gerekir. Seçkisiz dağılan kayıp değerler sonuçların genellenebilirliğinde bir sorun teşkil etmezken; seçkisiz dağılmayanlar (hatanın belli bir örüntüde olması), kayıp değerlerin ortaya çıkışının bir nedeni olduğu anlamına geldiği için sorunlara neden olur. (3) Bir deneğin bir değişkendeki aşırı değeri olarak tanımlanan uç değerler önemli sorunlara neden olabilirler. (4) Kullanılan istatistiksel teknikler belli sayıltılara dayanır. Bu nedenle uygulanan analiz tekniğinin sayıltıları ile veriler arasındaki uyum değerlendirilir. Genellikle tüm analiz tekniklerinin dayandığı temel sayıltılar; normallik, doğrusallık ve eşvaryanslılık (homojenlik)’tır. Kolmogorow Smirnow ve Shapiro Wilks testleri ile değerlendirilen bu sayıltılar, tüm parametrik testlerin ön koşuludur (Büyüköztürk, 2007).

3. Açımlayıcı ve doğrulayıcı faktör analizlerin tanımı, ölçek türleri, program çeşitleri ve yapılışı

Araştırmanın temel amacı keşfetmek ise açımlayıcı; modeli doğrulamak ise doğrulayıcı faktör analizi kullanıır (Schumacker ve Lomax; 1996).

Ölçme aracının geçerliğine ilişkin tek bir katsayı vermek yerine, araştırmacı tarafından öngörülen faktör yapısını doğrulamak amacıyla uygulanan açımlayıcı faktör analizi ile belli bir faktör altında toplanan göstergelerin, kuramsal yapının göstergeleri olup olmadığına ilişkin sorgulama yapılır (Green, Salkind ve Akey, 1997’den akt. Çokluk, Şekercioğlu, Şimşek; 2014). Bunun yanında açımlayıcı faktör analizi ile değişken azaltma ve ortaya çıkan faktörleri isimlendirme yapılır. Açımlayıcı faktör analizi yapılmadan önce, KMO (Kaiser-Meyer-Olkin) testi ile örneklem büyüklüğünün faktörleştirmeye uygunluğu test edilir. Verilerin çok değişkenli normal dağılımdan gelip gelmediği ise Barlett küresellik testinde ortaya çıkan ki-kare testinin manidarlığı ile ölçülür.

Ölçek maddelerinin yapı geçerliliğini saptamada, buna bağlı olarak kuram geliştirme ve var olan kuramların geçerliliğini test etmede kullanılan doğrulayıcı faktör analizi, söz konusu yapının doğrulanıp doğrulanmadığını test eden güçlü bir tekniktir (Erkuş, 2003). Burada maddelerin faktörle ilişkisini açıklayan katsayıya faktör yük değeri denir (Kline, 2014). Modelin geçerliliğini ilk ölçen teknik, doğrulayıcı faktör analizi tekniğidir (Çokluk, Şekercioğlu, Şimşek; 2014). Doğrulayıcı faktör analizinde kullanılan bir program olan ve ilk kez 1972’de Jöreskoy ve Van Thillo tarafından geliştirilen LISREL; gizil değişkenleri, içsel ve dışsal değişkenlerdeki ölçme hatalarını, karşılıklı neden sonuç ilişkisini, eşzamanlılığı ve içbağımlılığı içeren modelleri test etmek için tasarlanmıştır (Yılmaz, 2004’den akt. Çokluk, Şekercioğlu, Şimşek; 2014).

4. Parametrik ve parametrik olmayan testleri varsayımlarına göre karşılaştırma

Ölçeğin en az aralık ölçeğinde,  örneklem sayısının 30’un üzerinde, varyans homojenliğinin olduğu ve normallik varsayımının karşılandığı durumlarda parametrik testler tercih edilir. Bunlar arasında t-testleri, ANOVA, basit ve çoklu regresyon testleri gibi testler bulunur. Normallik varsayımının karşılanmadığı durumlarda parametrik olmayan testlerden; ilişkisiz iki örneklem için Mann Whitney U-testi, ilişkisiz örneklemler için Kruskal Wallis H-testi ve ilişkili iki örneklem için Wilcoxon eşleştirilmiş çiftler testleri kullanılabilir (Büyüköztürk, 2004). Kategorilerdeki birey sayılarının normal dağılmaması, parametrik olmayan test seçiminde etkilidir. Örneğin; Sezgin (2006)’in yaptığı çalışmada, ölçekte bulunan değişkenlerin kategorilere düşen birey sayıları 15’i geçmiş olmasına karşın, kategorilerdeki birey sayıları oldukça farklı ve kategori sayıları ikiden fazla olduğu için, parametrik olmayan bir istatistik tekniği olan Kruskal Wallis H-Testi uygulanmıştır. Korkut (2005)’un yaptığı çalışmada ise aynı gruba ait ön ve son testlerin farklı olup olmadığını anlamak amacı ile parametrik olmayan istatistik tekniklerinden bağımlı gruplar için Eşleştirilmiş Wilcoxon Uyumlu Çiftler İşaretli Mertebeler Testi ’nden yararlanılmıştır.

5. Korelasyon ve Regresyon Analizleri

Korelasyon analizi: İki değişken arasındaki ilişkiyi belli katsayılara göre açıklayan bir analizdir. İki değişken arasındaki ilişkiyi hesaplayabilmek için aynı kişiye ait X ve Y değerleri elde edilir ve her bir X değeri, ona karşı gelen Y değeri ile eşleştirilir (Büyüköztürk, 2000:107). Korelasyon katsayıları, -1 ile +1 arasında değişmektedir. Elde edilen değer -1’e yaklaştıkça negatif kuvvette (ters orantılı) bir ilişki; +1’e yaklaştıkça pozitif kuvvette (doğru orantılı) bir ilişki; 0’a yaklaştıkça zayıf bir ilişkiden söz edilebilir. Yaygın bir anlayışla .00 ile .30 arasındaki korelasyonlar “düşük”; .31 ile .71 arasındaki korelasyonlar “orta”; .71 ve üzeri korelasyonlar “yüksek” ilişkinin bir göstergesi olarak yorumlanır(Büyüköztürk, 2009’dan akt. Çokluk, Şekercioğlu, Şimşek; 2014). Sınıflamalı ölçeklerde genellikle Lambda ya da Phi; sıralamalı ölçeklerde Kendal Tau ya da Sperman Rho; Aralıklı/Oranlı ölçeklerde Pearson ve Çoklu Korelasyon test türleri tercih edilir (Elifson, Runyon ve Haber;1990’dan akt. Büyüköztürk, 2000:108). Korelasyon ilişkisi, görsel olarak saçılma diyagramı ile gösterilir. Eğer ilişki yoksa saçılma diyagramında (scatter plot) daire ya da elips şeklinde bir görüntü ortaya çıkar. Değişkenler arasındaki ilişki en iyi özetleyen doğru regresyon doğrusu olup X eksenine paralel, yatay bir çizgi şeklindedir (Heiman, 1996’dan akt. Büyüköztürk, 2000:112). Korelasyonun çok yüksek olduğu durumlarda (r >.90), ilişkiler çoklu bağlantı probleminin işareti olabilir(Çokluk, Şekercioğlu, Büyüköztürk; 2014).

Regresyon analizi, aralarında ilişki olan iki ya da daha fazla değişken arasındaki ilişkinin bir matematiksel eşitlik ile açıklanması süreci olup genel olarak şu dört amaç ile açıklanmaktadır (Büyüköztürk; 2004:87-88):  (1)Bağımlı ve bağımsız değişkenler arasındaki ilişkiyi regresyon eşitliği ile açıklamak, (2)Regresyon modelinin bilinmeyen parametreleri tahmin edildiğinde, bağımsız değişken ya da değişkenlerin bilinen değerleri için bağımlı değişkenin alacağı değerleri tahmin etmek, (3)Bağımsız değişken/lerin bağımlı değişkende gözlenen değişmelerin ne kadarını açıkladığını, determinasyon katsayısı ile belirlemek, (4)Bağımsız değişken/lerin bağımlı değişkenleri anlamlı bir şekilde yordayıp yordamadıklarını ve birden fazla bağımlı değişken varsa bunların bağımlı değişken üzerindeki göreli önemliliklerini saptamaktır.

6. Yapısal eşitlik modellemesi ve yol (path) analizi

Birden fazla istatistiksel yöntemin genel adı olan ve literatürde “covaryans yapı analizi” olarak da ele alınan (Kline, 2005) yapısal eşitlik modeli, gerçekte faktör analizi ve regresyonun bir uzantısıdır (Çokluk, Şekercioğlu, Büyüköztürk; 2014). Çok değişkenli istatistik analizlerindeki temel sayıltıları kabul eden yol analizi tekniği; son zamanlarda çok değişkenli verilerin güçlü bilgisayar programlarıyla daha kısa zamanda hesaplanarak, “altta yatan süreçleri” anlamaya yönelik geliştirilmiş olan bir tekniktir (Sümer, 2000’den akt. Çokluk, Şekercioğlu ve Büyüköztürk; 2014). Gizil yapıları gözlenen değişkenler aracılığıyla incelemeye olanak veren bu model (Jöreskog ve Sörbom, 1993); gözlenen ve gizil değişkenlerin ilişkileri hakkındaki hipotezlerin test edilmesini sağlar (Hoyle, 1995). Doğrulayıcı faktör analizinde ve yapısal eşitlik modelinin diğer analizlerinde anahtar niteliğinde olan gizil değişken, birden fazla gözlenen değişkeni etkileyen ve bu gözlenen değişkenler arasındaki ilişkiyi açıklamaya çalışan gözlenemeyen bir değişkendir(Brown, 2006’dan akt. Çokluk, Şekercioğlu, Büyüköztürk; 2014).

Gizil değişkenleri, gözlenenler ile açıklamaya çalışan bu model açımlayıcı olmaktan çok, doğrulayıcı tekniklerden oluştuğu söylenebilir. Diğer bir deyişle analizi yapan araştırmacı uygun modeli aramak yerine mevcut modelin geçerliğini sorgular (Kline, 2005). Dolayısıyla bir yol şemasında bulunan yapısal eşitliklerin, kuramın birebir sunumu olduğunu söyleyebiliriz. Yapısal model test edildikten sonra, modelin iyilik uyumu değerlendirilir ve yeterli bir uyum için karar verilinceye kadar model sürekli modifiye edilir. Birden fazla uyum indeksi bu kararın verilmesinde etkili olurken, son olarak ulaşılan sonuçlar tartışılarak süreç tamamlanır (Kaplan, 2000’den akt. Çokluk, Şekercioğlu, Büyüköztürk; 2014).

7. Meta analiz ve Meta sentez Çalışmalarının Amaç ve Önemi

Meta-sentez, yorumlayıcı bilim, nicel veya nitel araştırmalar ile tutarlı yöntemleri kullanarak bilginin gelişmesi yönünde, aynı veya benzer konudaki araştırma bulgularını toplayan ve analiz eden bir genel yaklaşımdır (Aküzüm ve Özmen, 2014).  Farklı çalışmalardan elde edilen sonuçların birleştirilerek genel bir sonuç elde etme ya da bir çalışmaya ait sonuçların tekrar analiz edilmesi anlamına gelir. Diğer bir deyişle; bir konu, tema ya da çalışma alanı hakkındaki benzer çalışmaların belirli ölçütler altında gruplanıp, bu çalışmalara ait nicel bulguların birleştirilerek yorumlanması sürecini içerir. Çalışmaların etki büyüklüklerinin hesaplanabilmesini ve birleştirilmesini sağlayan meta analiz; SPSS, Meta-Win, CMA, Ms Excel gibi bilgisayar programları ile yapılır (Dinçer, 2014). Bunlar arasında en çok tercih edileni CMA (Comprehensive Meta Analysis) yazılımıdır.

Meta-analiz tekniği herhangi bir alandaki “genel eğilimi” görme anlamında araştırmacılara yardımcı olur. Sözgelimi karşılaştırılan iki yöntemden, hakkında anlamlı bir fark çıkan yöntemin çok daha maliyetli olduğu biliniyorsa; bu yöntemin uygulamaya değer olup olmadığını anlamak için etki büyüklüğünü görmeye yardımcı olan meta analiz tekniğine başvurulur. Çünkü yüksek maliyetli ama çok etkili olan bir yönteme karar vermek için yöntemler arasındaki anlamlı farkı gösteren t-testi ve regresyon gibi geleneksel istatistik teknikleri yetersiz kalır. Böyle durumlarda meta-analiz tekniğinin işlevselliğini devreye sokmak ve bu analizden yararlanmak gerekir.

Meta-analizde en zor bölüm, ölçütlerin belirlenerek literatürdeki çalışmaların kodlanmasıdır. Bu nedenle araştırmacı meta-analiz sürecinde şu süreçleri dikkate almalıdır (Dinçer, 2014): Konuyu belirleme, literatür tarama, ölçütleri belirleme, kodlama, araştırma sorularını belirleme, temaları belirleme, analiz, etki büyüklüğünü hesaplama, heterojenlik testi, modelin seçimi, genel etkinin hesaplanması, yorumlama. Dinçer (2014), meta-analizde sıklıkla kullanılan terimleri aşağıdaki gibi ele almıştır:

Etki Büyüklüğü; bireysel çalışma alanı olarak tanımlanan ve meta analize dahil edilen herbir çalışmanın etki katsayısını ifade eder. Genel etki; tüm çalışmaların birleştirilerek elde edilen etki katsayısıdır. Sabit etki modeli aynı evren büyüklüğüne sahip çalışmaları; rastgele etkiler modeli ise farklı evren büyüklüğüne sahip çalışmaları ifade eder. Heterojenite ve Q-değeri; meta-analiz sonucunda p<.05 elde edilmesi ile bireysel çalışmalar arasında anlamlı bir fark olduğu görülür. Bu anlamlı fark, çalışmanın heterojen olduğunu ve rastgele etkiler modelinin kullanılması gerektiğini ifade eder. Eğer p>.05 ise çalışmaların homojen olduğu sonucuna varılır ve sabit etki modeli kullanılır. Güven aralığı; elde edilen sonuçların genele uyarlanmasında ne kadar tutarlı bir sonuç vereceğinin göstergesidir. Güven aralığı ne kadar dar ise elde edilen sonuç o kadar kesindir. Yayın yanlılığı; dar bir literatür taramasıyla ya da sadece belirli yayınların sonuçlarına odaklanarak yapılması ile oluşur. Çalışma ağırlığı; her bireysel çalışmanın genel etkiye katkısının farklı olması anlamında olup % ile ifade edilir. Katsayılar; Meta analiz uygulamalarında etki büyüklüklerinin hesaplanmasında varyans eşitliğinde Hedges’s g ve varyanslar eşit olmadığında Cohen’s d katsayıları kullanılır.

Kaynaklar

Aküzüm C., Özmen, F.(2014). Elektronik Sosyal Bilgiler Dergisi,  Cilt:13 Sayı:49: (31-54)

Büyüköztürk, Ş. (2004). Veri analizi el kitabı (4. Baskı). Ankara: Pagem A Yayıncılık.

Büyüköztürk, Ş. (2007),  Sosyal Bilimler için Veri Analizi El Kitabı, Ankara: Pegem A Yayıncılık

Çokluk, Ö., Şekercioğlu, G., & Büyüköztürk, Ş. (2014). Sosyal bilimler için çok değişkenli istatistik: SPSS ve LISREL uygulamaları. Pegem Akademi.

İnci, O. (2015). Bilimsel Yayın Etiği. Türk Kütüphaneciliği, 29(2), 282-295.

Erkuş, A. (2003). Psikometri üzerine yazılar. Ankara: Türk Psikologlar Derneği Yayınları, (24), 34-72.

Kline, P. (2014). An easy guide to factor analysis. Routledge.

Korkut, F. (2005). Yetişkinlere yönelik iletişim becerileri eğitimi. Hacettepe Üniversitesi Eğitim Fakültesi Dergisi, 28(28).

Uçak, N. Ö., & Birinci, H. G. (2008). Bilimsel etik ve intihal. Türk kütüphaneciliği, 22(2), 187-204.

Örücü, D., & Şimşek, H. (2011). Akademisyenlerin gözünden Türkiye’de eğitim yönetiminin akademik durumu: Nitel bir analiz. Kuram ve Uygulamada Egitim Yönetimi Dergisi, 17(2), 167-197.

Schumacker, R. E., & Lomax, R. G. (1996). A guide to structural equations modeling. Hillsdale, (First Edition). NJ: Lawrence Erlbaum Associates, Inc..

Yıldırım, A., Şimşek, H. (2013). Sosyal bilimlerde nitel araştırma yöntemleri. Ankara: Seçkin Yayınları.

*Neslihan Kurt. Bu çalışma 2016 Bahar Döneminde tarafımdan hazırlanmış bir ders ödevidir. Farklı amaçlar için çoğaltılıp kullanılmamalıdır.