İhmal edilen değişkenler noktasına ek olarak, sosyal bilimciler gözlemsel verileri kullanarak gruplar arasında karşılaştırmalar yaparken gözlenen ve/veya atlanan değişkenleri ayarlamak için çeşitli yöntemler geliştirmiştir.

Aşağıdaki üç yöntem esas olarak kullanılır: (a) sabit etkiler modelleri, (b) eğilim puanı eşleştirme ve (c) regresyon süreksizlik tasarımları. Winship ve Morgan (1999) bu yöntemlere faydalı bir genel bakış sağlar ve EER içindeki araştırmacıların potansiyel neden-sonuç ilişkilerini araştırmak için kullanımlarını düşünmeleri gerektiğini savunur.

Eğilim puanı eşleştirmesi bu bölümde sunulurken, diğer iki yöntem sırasıyla tartışılmaktadır. Ancak burada dikkat edilmesi gereken nokta, EER içinde regresyon süreksizliği tasarımını kullanan bazı çalışmaların, örneğin ilkokula girişin doğum tarihine dayalı olduğu ülkelerde olduğu gibi, belirli bağlamlarda okullaşmanın etkisini ölçme olasılığını belirtmiş olmasıdır.

Ancak eğilim puanı eşleştirmesi ile ilgili olarak, bu, atama rastgele olmadığında belirli özelliklere sahip bireylerin bir tedavi grubuna atanacağı tahmin edilen olasılığı tahmin etmeyi amaçlayan bir tekniktir. Eğilim puanı eşleştirmesini kullanmanın avantajı, tedavi ve kontrol gruplarındakiler arasında bireysel olarak eşleşmesi çok zor olan bir dizi özelliği toplamasıdır.

Örneğin, araştırmacılar iyileştirici öğretimin öğrenci başarısı üzerindeki etkisini ölçmekle ilgileniyorsa, dezavantajlı ailelerden gelen öğrencilerin okullarda bu tür hizmetlere katılma olasılığının çok daha yüksek olduğu varsayılabilir. Öte yandan, üst orta sınıf ailelerin öğrencilerinin, SES ile başarı düzeyi arasındaki bağlantı nedeniyle, bu tür bir eğitime katılma olasılıkları nispeten daha düşük olabilir.

Rastgele atama denemesine yaklaşmak için, tedavide (örneğin, iyileştirici öğretim programında) veya kontrol grubunda seçilme olasılığı makul olan bireyler arasında bir karşılaştırma yapılmalıdır. Tedavi grubunda olma eğilimi benzer olan öğrenciler (gerçekten tedavi grubunda olsunlar veya olmasınlar) daha sonra eğilim puanlarına göre eşleştirilebilir.

Sonuç olarak, sonraki başarı puanlarındaki fark, bu öğrencilerin iki gruba rastgele atanmasında bekleyeceğimiz farka daha yakın olacaktır.

Tedavi ve kontrol gruplarındaki öğrencileri eşleştirmek için eğilim puanlarının kullanılabileceği çeşitli yollar vardır. En yaygın yol, her gruptaki öğrencileri eğilim puanlarının dağılımına göre “kutulara” veya katmanlara ayırmaktır. Her bölmede, iki uygulama koşulundaki öğrencilerin özellikleri, gözlemlenen ortak değişkenlerin ağırlıklı bir bileşiminde benzerdir.

Bağımlı bağımsız kontrol değişken örnekleri
Bağımlı Bağımsız değişken örnek cümleler
Sürekli süreksiz değişken
Süreksiz değişken örnekleri
Bağımsız değişken Türleri
10 tane bağımlı değişken örnek
Bağımlı Bağımsız değişken araştırma Yöntemleri
Değişken türleri

Bir kutu içindeki öğrencilerin ortalama özellikleri eşit değilse, her gruptaki öğrencilerin özelliklerinde bir denge sağlanana kadar ek kutular veya katmanlar kullanılarak daha rafine bir model geliştirilir. Bazı durumlarda, tedavi ve kontrol grupları arasında hiçbir örtüşmenin olmadığı, öğrencilerin bir tedaviyi elde etme veya bir tedaviyi kaçırma olasılığının neredeyse hiç olmadığını gösteren “kutular” olabilir.

Bu öğrencilerin diğer grupta eşleşen meslektaşları olmadığı için, daha sonra herhangi bir analizden dışlanırlar. Bu teknik, rastgele atamaya yaklaşır, çünkü kalan kutular veya tabakaların her biri içindeki öğrenciler, tedavi veya kontrol koşuluna seçilme konusunda kabaca eşit bir olasılığa (toplu özelliklerine dayalı olarak) sahiptir.

Eğilim puanlarının ampirik araştırmalarda önemli bir konuyu ele aldığı iddia edilebilir, yani randomizasyonun mümkün olmadığı durumlarda (örneğin, iyileştirici öğretim) ve örnek unsurların kendilerini tedavi veya kontrol koşullarında kendi seçtikleri durumlarda belirli gruplar için etkilerin tahminlerini sağlamak gerekir (örneğin, öğretmenler hangi hizmetiçi eğitim (INSET) programlarına katılacaklarına kendileri karar verdiğinde).

Ancak, eğilim puanı eşleşmesinin yalnızca gözlenen özellikler için ayarlandığını belirtmek önemlidir. Eğilim puanlarının hesaplanmasında çok sayıda arka plan özelliği kullanıldığından, ilgili bir değişkenin analizden çıkarılması olasılığı azaltılmış olsa da ortadan kaldırılmaz. Bununla birlikte, sonraki sonuçların varsayımsal atlanmış değişkenlere duyarlılığını test etmek de mümkündür.

Eğilim puanlarını hesaplamak için bir özellikler toplamı kullanıldığından ve analitik örnekler, tedavi koşulları boyunca eşleştirilebilen bireyler (veya okullar) ile sınırlı olduğundan, eğilim puanları, büyük, ulusal olarak temsili veri setleri kullanıldığında rastgele atamaya yaklaşmada daha etkilidir.

Bu gibi durumlarda, bu veri setlerinin dayandığı örnekler, bir alt örneğin analizine izin verecek kadar büyüktür ve öğrencilerin ve okulların arka plan özellikleri hakkında kapsamlı bilgiler içerir.

Analize yapılan seçim tarafsız ise (örneğin, eksik verilerden kaynaklanan hariç tutmalar, analiz numunesi ile daha büyük numune arasında farklılıklara neden olmaz), sonraki sonuçlar öğrenci veya okul popülasyonuna da genellenebilir.

Ancak, bu yaklaşım izlendiğinde, herhangi bir çalışmada yer alan iki grubun boyutunun küçülmesinin muhtemel olduğu ve bunun istatistiksel gücün önemli ölçüde azalması nedeniyle nedensellik göstermede büyük sorunlara neden olabileceği kabul edilmelidir.

Son olarak, nedensel ilişkileri araştırmak için kesit verileri kullanmanın güçlü ve zayıf yönlerine ilişkin tartışmamızdan, seçim yanlılığı için düzeltmeler yapılırken bile anket analizinde önemli sınırların olduğunu kolayca görebileceğimizi okuyucuya açıklığa kavuşturmak önemlidir. ve çoklu analiz seviyeleri kullanılır.

Popülasyonlar heterojen olduğundan, bir etkinlik faktörü ile öğrenci sonuçları (seçim yanlılığı için düzeltilmiş olan) arasındaki ilişkinin tahminleri, tedavi veya kontrol grubuna düşme olasılığı düşük olan gruplara uygulanamayabilir.

Bununla birlikte, son birkaç yılda, yukarıda açıklanan yöntemleri kullanan büyük ölçekli veri kümelerinin analizlerinin, eğitimin etkililiği ile ilgili, bazıları nedensel çıkarım ve rastgele deneylerin tasarımı için çıkarımları olan birkaç önemli bulgu ortaya koyduğu da kabul edilmelidir. 

Örneğin, bir çalışmada veri toplayın ve tedavi grupları oluşturmak için eğilim puanı eşleştirmesini kullanarak, anaokulu politikasının çocukların matematik ve okumadaki bilişsel gelişimi üzerindeki etkisini değerlendirdiler.

Benzer şekilde, İngiltere’deki Okul Öncesi, İlk ve Orta Öğretimin Etkili Sağlanması (EPPSE) projesinden yapılan boylamsal araştırma, okul öncesi eğitimin hem süresinin hem de kalitesinin küçük çocukların bilişsel ve sosyal davranışsal gelişimi üzerindeki etkisini ve bu eğitim olasılığını azaltma üzerindeki etkisini göstermiştir. 

The post Değişkenlerin Önemi – Tez Hazırlatma – Tez Yaptırma – Tez Yaptırma Fiyatları – Tez Örnekleri – Ücretli Tez Yazdırma – Tez Yaptırma Ücreti first appeared on Ödev - Tez - Proje Hazırlatma Merkezi.

Değişkenleri tartışırken belki de en önemli ayrım bağımsız ve bağımlı değişkenler arasındadır. Bağımsız değişken, araştırmacı tarafından manipüle edilen veya kontrol edilen faktördür. Çoğu çalışmada, araştırmacılar bağımsız değişkenin etkilerini incelemekle ilgilenirler. En basit haliyle, bağımsız değişkenin iki düzeyi vardır.

Örneğin, yeni bir psikoterapi türünün anksiyete belirtileri üzerindeki etkilerini araştıran bir araştırma çalışmasında, bir grup psikoterapiye maruz kalacak ve bir grup psikoterapiye maruz kalmayacaktır.

Bu örnekte bağımsız değişken psikoterapidir, çünkü araştırmacı çalışmaya katılanların buna maruz kalıp kalmadığını kontrol edebilir ve araştırmacı psikoterapinin anksiyete belirtileri üzerindeki etkilerini incelemekle ilgilenir.

Bildiğiniz gibi, bağımsız değişkenin bulunduğu (yani psikoterapiye maruz kalan) gruba deney grubu, bağımsız değişkenin bulunmadığı (yani, olmayan) gruba ise deney grubu denir. psikoterapiye maruz kalan) kontrol grubu olarak adlandırılır.

En basit biçiminde, bağımsız bir değişkenin yalnızca iki düzeyi olmasına rağmen (yani, var veya yok), bağımsız bir değişkenin ikiden fazla düzeye sahip olması kesinlikle nadir değildir. Örneğin, yeni bir ilacın depresyon belirtileri üzerindeki etkilerini inceleyen bir araştırma çalışmasında araştırmacı, araştırmaya üç grup bir kontrol grubu ve iki deney grubu dahil edebilir.

Her zamanki gibi, kontrol grubu ilacı almayacak (veya bir plasebo alacaktı), bir deney grubu daha düşük dozda ilaç alabilirken, diğer deney grubu daha yüksek dozda ilaç alabilir. Bu örnekte, bağımsız değişken (yani ilaç) üç seviyeden oluşur.

Elbette düşük, orta ve yüksek gibi diğer bağımsız değişken seviyeleri de mümkündür; veya yok, düşük, orta ve yüksek. Araştırmacılar, mevcut çalışma katılımcılarının sayısı, çalışma ile elde etmek istedikleri sonuçların özgüllük derecesi ve ilişkili değişkenler dahil olmak üzere çeşitli faktörlerin dikkatli bir şekilde değerlendirilmesine dayalı olarak bağımsız bir değişkenin düzeylerinin sayısı ile ilgili kararlar verir. 

Bir araştırma çalışmasının, belki de bağımsız değişkenlerin her biri birden çok düzeyden oluşan birden çok bağımsız değişkeni içermesi de yaygındır. Örneğin, bir araştırmacı hem ilaç tedavisinin hem de psikoterapinin depresyon belirtileri üzerindeki etkilerini araştırmaya çalışabilir.

Bu örnekte, iki bağımsız değişken (yani ilaç tedavisi ve psikoterapi) vardır ve her bağımsız değişken potansiyel olarak birden fazla düzeyden oluşabilir (ör. düşük, orta ve yüksek dozda ilaç; bilişsel davranışçı terapi, psikodinamik terapi ve rasyonel duygusal terapi). Gördüğünüz gibi, araştırmacılar birden fazla düzeyde birden fazla bağımsız değişken kullandığında, işler oldukça hızlı bir şekilde karmaşıklaşma eğilimindedir.

Tartışmanın bu noktasında, bu bölümde şimdiye kadar sunulan materyalden korkma dürtüsüne aktif olarak direnmelisiniz. Oldukça fazla bilgiyi ele aldık ve ilerledikçe daha karmaşık hale geliyor.

Önemli araştırma deneyimine sahip bizler için bile, farklı kategorileri ve değişken türlerini takip etmek kesinlikle zor olabilir. Kafanız karışıyorsa, işleri en basit terimlerine indirgemek yardımcı olabilir.

Bağımlı Bağımsız değişken araştırma Yöntemleri
Bağımlı bağımsız değişken örnekleri
Bağımsız değişken Türleri
10 tane bağımlı değişken örnek
Bağımlı bağımsız kontrol değişken örnekleri
Değişkenler
Kontrol değişken örnekleri
Değişken türleri

Bağımsız değişkenler söz konusu olduğunda akılda tutulması gereken önemli nokta, araştırmacıların bağımsız bir değişkenin bir şey üzerindeki etkilerini incelemekle ilgilendikleri ve bir şeyin bağımlı değişken olduğudur. Şimdi dikkatimizi bağımlı değişkenlere çevirelim.

Bağımlı değişken, bağımsız değişkenin etkisinin bir ölçüsüdür. Örneğin, bir araştırmacı, yeni bir ilacın üniversite öğrencileri arasında depresyon belirtileri üzerindeki etkilerini incelemekle ilgilenebilir.

Bu örnekte, herhangi bir ilacı uygulamadan önce, araştırmacı muhtemelen bir grup çalışma katılımcısına Beck Depresyon Envanteri gibi geçerli ve güvenilir bir depresyon ölçüsü uygulayacaktır.

Beck Depresyon Envanteri, depresyon semptomlarının iyi kabul görmüş bir öz bildirim envanteridir. Araştırma katılımcılarına herhangi bir ilacı uygulamadan önce bir depresyon ölçüsü uygulamak, araştırmacının, herhangi bir müdahalenin uygulanmasından önce mevcut olan depresyon düzeylerinin bir ölçümü anlamına gelen, temel bir depresyon ölçüsü olarak adlandırılan şeyi elde etmesine olanak tanır. 

Araştırmacı daha sonra çalışma katılımcılarını yeni ilacı alan bir deney grubu ve yeni ilacı almayan bir kontrol grubu olmak üzere rastgele iki gruba atar.

İlaç verildikten sonra (veya kontrol grubu için ilacı uygulamadıktan sonra), araştırmacı daha sonra Beck Depresyon Envanteri’ni her iki gruptaki tüm katılımcılara yeniden uygulayacaktır.

Araştırmacının şimdi her iki gruptaki katılımcıların her biri için ilaç uygulanmadan önce bir puan ve ilaç verildikten sonra bir puan olmak üzere iki Beck Depresyon Envanteri puanı vardır.

Bu iki depresyon skoru daha sonra ilacın depresyon seviyeleri üzerinde herhangi bir etkisi olup olmadığını belirlemek için karşılaştırılabilir. Spesifik olarak, deney grubundaki katılımcılar için Beck Depresyon Envanteri puanları düşerse (düşük depresyon seviyelerini gösterir), ancak kontrol grubundaki katılımcılar için değil, o zaman araştırmacı makul bir şekilde ilacın etkili olduğu sonucuna varabilir. depresyon belirtilerini azaltmada.

Daha kesin olmak gerekirse, araştırmacının ilacın depresyon semptomlarını azaltmada etkili olduğu sonucuna varabilmesi için deney grubu ve kontrol grubu arasında Beck Depresyon Envanteri puanlarında istatistiksel olarak anlamlı bir fark olması gerekir, ancak biz bu noktayı şimdilik bir kenara koyacaktır.

Daha fazla ilerlemeden önce, bir dakikanızı ayırın ve örneğimizde bağımsız ve bağımlı değişkenleri tanımlayıp tanımlayamadığınıza bakın. Anladın mı? Bu örnekte, yeni ilaç araştırmacının kontrolünde olduğundan ve araştırmacı etkisini ölçmekle ilgilendiğinden bağımsız değişkendir. Beck Depresyon Envanteri puanı, bağımsız değişkenin etkisinin bir ölçüsü olduğu için bağımlı değişkendir.

Öğrenciler ilk kez araştırma terminolojisine maruz kaldıklarında, bağımsız ve bağımlı değişkenleri birbirine karıştırmaları alışılmadık bir durum değildir. Neyse ki, ikisi arasındaki farkı hatırlamanın kolay bir yolu var. Kafanız karışırsa, bağımsız değişkeni “neden” ve bağımlı değişkeni “sonuç” olarak düşünün.

Bağımsız değişken, ölçülen sonuçtan bağımsız olduğu için “bağımsız” olarak adlandırılır. Daha spesifik olarak, bağımsız değişken sonuca neden olan veya sonucu etkileyen şeydir. Bağımlı değişken, bağımsız değişkenden etkilendiği için “bağımlı” olarak adlandırılır. Örneğin, ilaçların depresyon belirtileri üzerindeki etkilerini inceleyen varsayımsal çalışmamızda, depresyon ölçüsü bağımsız değişkenden etkilendiği (yani bağımlı olduğu) için bağımlı değişkendir.

The post Bağımlı Değişkenler  – Tez Hazırlatma – Tez Yaptırma – Tez Yaptırma Fiyatları – Tez Örnekleri – Ücretli Tez Yazdırma – Tez Yaptırma Ücreti first appeared on Ödev - Tez - Proje Hazırlatma Merkezi.