Bir çalışmada belirli bir değişkenin veya değişkenlerin etkisini sabit tutmak için birincil ve en yaygın yöntem, eşleştirme olarak adlandırılır.

Bu atama prosedürü, araştırma katılımcılarını bağımlı değişkenle ilgili olabilecek değişkenler üzerinde eşleştirmeyi ve ardından eşleşen çiftin her bir üyesini ya deneysel koşula ya da kontrol koşuluna rasgele atamayı içerir. Eşleştirme uygulaması en iyi örnekle gösterilmiştir. Yaşlı bir popülasyonda depresyon için yeni bir tedavi ile ilgili daha önce ele aldığımız örneği tekrar gözden geçirelim.

Önceki tartışmamızda, katılımcıları rastgele bir deneysel veya kontrol koşuluna atadık. Tedavimizin, terapi içermeyen eylemsiz bir müdahale almaktan daha fazla depresyon semptomlarını azaltıp azaltmayacağını bilmekle ilgilendiğimiz bu örnekte aynı temel önermeyi kullanacağız.

Daha önce tartıştığımız gibi, popülasyondan aynı şekilde örnekledik ve yine de bir kolaylık örneği kullandık; daha sonra katılımcıları rastgele olarak deney veya kontrol grubuna atadık.

Şimdi senaryoya başka bir karmaşıklık katmanı ekleyelim. Hala yeni tedavimizin etkili olup olmadığını bilmek istiyoruz, ancak diğer spesifik, potansiyel olarak kafa karıştırıcı değişkenlerin potansiyel etkisi ile de ilgilenebiliriz. Örneğin, terapötik sonucun bazen zekadan etkilenebileceğini düşünün. Hafıza ve diğer bilişsel işlev biçimleriyle ilgili zorluklar, yaşlı müşterilerle çalışırken terapinin sonucunu da önemli ölçüde etkileyebilir.

Bu göz önüne alındığında, araştırmacılar çalışmadaki belleğin etkilerini kontrol etmeye karar verirler. Buna göre, metodoloji, yeterli güvenilirlik ve geçerlilik gösteren genel bir bellek işleyişi ölçüsü içerecek şekilde değiştirilir. Uygulamada, bu değerlendirme eşleştirme veya atama gerçekleşmeden önce yapılmalıdır.

Eşleştirme prosedüründeki ilk adım, hafıza tarama puanlarına göre eşleşen katılımcı çiftleri oluşturmak olacaktır. Bu durumda, eylemsiz bir tedaviye karşı iki gruplu bir tasarım terapimiz var.

Araştırmacılar hafıza testinde en yüksek iki puanı alacak ve bu katılımcılar eşleşen bir çift oluşturacaktı. Daha sonra, bu eşleşen çift bölünecek ve her katılımcı, bir üye deney grubunda ve bir üye kontrol grubunda olacak şekilde rastgele atanacaktır.

Başka bir deyişle, bu ilk eşleşen çiftteki her bir katılımcı, tedaviye veya kontrol koşuluna atanma konusunda hala eşit bir olasılığa sahiptir. İşlem tekrarlanır, böylece hafıza ekranındaki sonraki en yüksek iki puan eşleştirilir ve ardından iki koşula rastgele atanır. Süreç, katılımcıların her birine iki koşuldan birine atanana kadar devam edecekti.

Eşleştirmenin ikiden fazla grupla kullanılabileceğini unutmayın. Üç grupla, en yüksek üç puan rastgele, dört gruba en yüksek dört puan vb. atanacaktır. Benzer şekilde, katılımcılar birden fazla değişken üzerinde eşleştirilebilir. Bu durumda, örneğin, potansiyel olarak kafa karıştırıcı bir değişken olarak cinsiyetle de ilgilenebiliriz.

Ölçme ve İstatistikte yer alan değişkenler
Süreksiz değişken örnekleri
Bağımlı Bağımsız değişken örnekleri
Değişken türleri
Bağımlı değişken örnek
Sürekli süreksiz değişken örnekleri
Kontrol değişken örnekleri
Sürekli değişken örnekleri

Araştırmacılar, en yüksek iki erkek hafıza puanını alıp her bir katılımcıyı biri deney diğeri kontrol grubunda olacak şekilde rastgele atayabilir ve ardından kadınlar için hafıza puanına göre işlemi tekrarlayabilirler.

Nihai olarak amaç aynıdır: deney ve kontrol koşullarını ilgilenilen değişkenler üzerinde eşdeğer hale getirmek. Örneğimizde, araştırmacılar iki grubun cinsiyet ve hafıza işleyişi açısından eşdeğer temsile sahip olduğunu güvenle varsayabilirler.

Eşleştirme, yabancı değişkenlerin etkisini sabit tutmak için en yaygın yaklaşımlardan biri olsa da, kullanılabilecek başka yaklaşımlar da vardır. Bu yaklaşımlardan ilki “engelleme” olarak adlandırılır.

Yabancı değişkenleri sabit tutmakla ilgili olan eşleştirmeden farklı olarak, engelleme, araştırmacıların söz konusu değişkenin bağımlı değişken üzerinde ne gibi belirli bir etkiye sahip olduğunu belirlemesine olanak tanıyan bir yaklaşımdır. Özünde, engelleme potansiyel olarak kafa karıştırıcı bir değişken alır ve onu başka bir bağımsız değişken olarak inceler.

Bir örnek, bir araştırma çalışması bağlamında engellemenin gerçekte nasıl uygulandığını netleştirmeye yardımcı olmalıdır. Yaşlılarda depresyon için tedavi etkinliği çalışmamıza bir kez daha dönelim. Orijinal tasarımda, yeni tedavinin yaşlılarda depresyon semptomlarını azaltmada etkili olup olmadığıyla ilgilendik. Bir grup yeni tedaviyi ve diğer gruba inert veya kontrol müdahalesi uygulanan iki grup vardı.

Bu örnekte bağımsız değişken yeni tedavi, bağımlı değişken ise depresyonun belirti düzeyidir. Engelleme, potansiyel olarak kafa karıştırıcı bir değişkenin bağımsız bir değişken haline gelmesine izin verir. Potansiyel olarak kafa karıştırıcı veya engelleyici değişkenimiz olarak belleği kullanacağız.

Başka bir deyişle, sadece tedavinin etkili olup olmadığını bilmek istemiyoruz, aynı zamanda hafıza işleyişinin terapötik etkinlik üzerinde bir etkisi olup olmadığını da bilmek istiyoruz. Bu nedenle, araştırmacılar önce katılımcıları hafıza puanına göre iki kategoriye ayırabilirler.

Örneğin, belirli bir sınır değerin altındaki puanlar “bozuk bellek” grubunu, sınır sayının üzerindeki puanlar “yeterli bellek” grubunu oluşturacaktır. Katılımcılar daha sonra rastgele ya deney grubuna ya da kontrol grubuna atanacaktır. Şu anda çalışmamızda iki bağımsız değişken, terapi ve bellek ve iki grup yerine dört grup olduğuna dikkat edin.

Orijinal tasarımda deney ve kontrol olmak üzere sadece iki grup vardı. Şimdi araştırmacıların dört grubu var: terapi/bozulmuş bellek, terapi/yeterli bellek, terapi yok/bozulmuş bellek ve terapi yok/yeterli bellek. Gördüğünüz gibi, araştırmacılar artık hafızanın terapötik etkinlik üzerinde bir etkisi olup olmadığını belirlemek için bu grupların performansını karşılaştırabilirler. Engelleme kullanılmasaydı, bu ek karşılaştırmalar mümkün olmazdı.

Yabancı değişkenleri kontrol etmek için başka bir seçim yaklaşımı, araştırmacıların ilgilenilen değişken üzerinde çok tekdüze veya homojen olan bir örneklem seçerek söz konusu yabancı değişkeni sabit tutmasını gerektirir. Örneğin, araştırmacılar, büyük olasılıkla bir ön test kesme puanına dayalı olarak, terapi çalışması için ilk önce yalnızca hafıza işlevleri bozulmamış yaşlı bireyleri seçebilirler.

Kesme puanını karşılamayan tüm katılımcılar çalışmadan çıkarılacaktır. Katılımcılar daha sonra rastgele farklı deneysel koşullara atanacaktır. Bu yaklaşımın arkasındaki mantık nispeten basittir.

Spesifik olarak, eğer katılımcıların tümü incelenen değişken üzerinde (örneğin hafıza) kabaca eşdeğer ise, o zaman değişkenin potansiyel etkisi tüm gruplar arasında tutarlıdır ve bir karışıklık olarak işleyemez.

Bu, olası karışıklıkları ortadan kaldırmanın etkili bir yolu olsa da, bir çalışmanın sonuçlarının genellenebilirliği üzerinde olumsuz bir etkisi vardır. Bu örnekte, herhangi bir sonuç, depresyondan mustarip yaşlıların daha geniş bir temsiline değil, yalnızca yeterli hafıza işlevine sahip yaşlı bireylere ilişkin olacaktır.

The post Değişkenleri Sabit Tutma – Tez Hazırlatma – Tez Yaptırma – Tez Yaptırma Fiyatları – Tez Örnekleri – Ücretli Tez Yazdırma – Tez Yaptırma Ücreti first appeared on Ödev - Tez - Proje Hazırlatma Merkezi.

Artık bağımsız ve bağımlı değişkenler arasındaki farka aşina olduğunuza göre, dikkatimizi aşina olmanız gereken başka bir değişken kategorisine çevireceğiz. Kategorik değişkenler ve sürekli değişkenler arasındaki ayrım, sıklıkla birçok araştırma çalışması bağlamında ortaya çıkmaktadır.

Kategorik değişkenler, yalnızca tanımlanmış bir değer aralığında belirli değerler alabilen değişkenlerdir. Örneğin, “cinsiyet” kategorik bir değişkendir çünkü hem erkek hem de kadın olabilirsiniz. Cinsiyet söz konusu olduğunda orta yol yoktur; erkek veya kadın olabilirsiniz; biri olmalısın ve ikisi birden olamazsınız.

“Irk”, “medeni durum” ve “saç rengi” kategorik değişkenlerin diğer yaygın örnekleridir. Bu kulağa açık gibi gelse de, kategorik değişkenlerin “erkek/kadın”, “Beyaz/Siyah”, “bekar/evli/boşanmış” gibi birbirinden ayrı, birbirini dışlayan kategorilerden oluştuğunu düşünmek genellikle yararlıdır.

Kategorik değişkenlerin aksine, sürekli değişkenler teorik olarak bir süreklilik boyunca herhangi bir değer alabilen değişkenlerdir. Örneğin “yaş” sürekli bir değişkendir çünkü teorik olarak en azından birisi herhangi bir yaşta olabilir. “Gelir”, “ağırlık” ve “boy”, sürekli değişkenlerin diğer örnekleridir. Göreceğimiz gibi, kategorik değişkenler kullanılarak üretilen veri türü, sürekli değişkenler kullanılarak üretilen veri türünden farklıdır.

Bazı durumlarda, araştırmacılar bazı sürekli değişkenleri kategorik değişkenlere dönüştürmeye karar verebilirler. Örneğin, “yaşı” sürekli bir değişken olarak kullanmak yerine, araştırmacı “40 yaş altı” veya “40 yaş ve üzeri” gibi ayrı yaş kategorileri oluşturarak onu kategorik bir değişken yapmaya karar verebilir. “

Genellikle sürekli bir değişken olarak ele alınan gelir”, bunun yerine “yılda 25.000 ABD Dolarının altında”, “Yılda 25.000 – 50.000 ABD Doları arasında” ve “yılda 50.000 ABD Dolarının üzerinde” gibi ayrı gelir kategorileri yaratılarak kategorik bir değişken olarak ele alınabilir. ”

Sürekli değişkenleri kullanmanın yararı, bunların daha yüksek bir hassasiyetle ölçülebilmesidir. Örneğin, birinin yaşını “40 yaş ve üstü” (kategorik) yerine “47 yaşında” (sürekli) olarak kaydetmek daha bilgilendiricidir. Sürekli değişkenlerin kullanılması, araştırmacının daha spesifik verilere erişmesini sağlar.

Nitel değişken örnekleri
Nitel nicel değişken örnekleri
Nicel süreksiz değişken örnekleri
Nitel değişkenler
Sürekli süreksiz değişken örnekleri
Sürekli değişken örnekleri
Süreksiz değişken örnekleri
Bağımlı bağımsız değişken örnekleri

Nicel Nitel Değişkenler

Son olarak, farklı bir konuya geçmeden önce, nitel değişkenler ile nicel değişkenler arasındaki ayrımı kısaca tartışmamız uygun olacaktır. Niteliksel değişkenler tür olarak değişen değişkenlerdir, nicel değişkenler ise miktar olarak değişen değişkenlerdir. Bu, araştırma çalışmalarında sıklıkla ortaya çıkan önemli ancak incelikli bir ayrımdır, o yüzden birkaç örneğe bakalım.

Bir şeyi “çekici” veya “çekici değil”, “yararlı” veya “yardımcı değil” veya “tutarlı” veya “tutarlı değil” olarak derecelendirmek nitel değişkenlere örnektir. Bu örneklerde, değişkenler niteliksel olarak kabul edilir, çünkü bunlar tür olarak (miktar olarak değil) farklılık gösterirler.

Örneğin, derecelendirilen şey ya “çekici” ya da “çekici değil”dir, ancak çekiciliğin düzeyine (ya da miktarına) dair bir gösterge yoktur. Buna karşılık, bir şeyin kaç kez gerçekleştiğini veya birinin belirli bir davranışta bulunma sayısını raporlamak nicel değişkenlere örnektir. Bu değişkenler, bir şeyin miktarı hakkında bilgi sağladıkları için nicel olarak kabul edilir.

Bu bölümün başında belirtildiği gibi, bu metinde tartışmayacağımız başka değişken kategorileri de vardır. Bu bölümde ele aldıklarımız, araştırma çalışmalarında en sık görülen ana kategorilerdir. Son bir yorum gereklidir. Tek bir değişkenin tartıştığımız birçok kategoriye sığabileceğini akılda tutmak önemlidir.

Örneğin, “yükseklik” değişkeni hem süreklidir (bir süreklilik boyunca ölçülürse) hem de niceldir (çünkü yükseklik miktarıyla ilgili bilgi alıyoruz). Benzer şekilde, “göz rengi” değişkeni hem kategoriktir (çünkü sınırlı sayıda ayrı göz rengi kategorisi vardır) hem de nitelikseldir.

Değişkenlerle ilgili bu tartışma size hala kafa karıştırıcı geliyorsa, deneyimli araştırmacıların bile bu konularda geri dönebileceği konusunda rahat olun. Araştırmanın çoğu alanında olduğu gibi, bu kavramlara tekrar tekrar maruz kalmak (ve deneyimlemek), rahat bir aşinalık düzeyi üretme eğilimindedir. Bu nedenle, bir dahaki sefere bir araştırma çalışmasıyla karşılaştığınızda, bu bölümde tartıştığımız farklı değişken türlerini belirleme alıştırması yapın.

ARAŞTIRMA KATILIMCILARI

Katılımcıları seçmek, bir araştırma çalışmasını planlamanın ve tasarlamanın en önemli yönlerinden biridir. Bu bölümü okudukça netleşmesi gereken nedenlerden dolayı, araştırma katılımcılarını seçmek başlangıçta göründüğünden genellikle daha zor ve karmaşıktır.

Uygun sayıda katılımcıya ihtiyaç duymanın yanı sıra (ki bu, çok sayıda katılımcı gerektiren büyük ölçekli çalışmalarda oldukça zor olabilir), araştırmacıların uygun türde katılımcılara sahip olmaları gerekir (ki bu, kaynaklar sınırlı olduğunda veya katılımcı havuzunda zor olabilir). potansiyel katılımcılar küçüktür).

Ayrıca, katılmak üzere bireylerin seçilme şekli ve bu katılımcıların daha sonra çalışma içindeki gruplara atanma şekli, araştırma çalışmasından çıkarılabilecek sonuç türleri üzerinde çarpıcı bir etkiye sahiptir.

Başlangıçta, her tür araştırma çalışmasının insan katılımcıları içermediğini belirtmek önemlidir. Örneğin fizik, biyoloji, kimya, botanik gibi bilimin birçok alanında yürütülen araştırma çalışmaları genellikle insan katılımcıları içermemektedir.

Bu alanlarda araştırma yapan bilim adamları için çalışma birimi bir atom, hücre, molekül veya çiçek olabilir, ancak bir insan katılımcı olamaz. Ancak, sosyal bilim araştırmaları gibi diğer araştırma türlerinde yer alan araştırmacılar için, çalışmalarının çoğunluğu belirli bir kapasitede insan katılımcıları içerecektir.

Bu nedenle, uygun bir çalışma katılımcısı grubunu seçmek ve bu katılımcıları çalışma içindeki gruplara atamak için araştırmacılar tarafından yaygın olarak kullanılan prosedürlere aşina olmanız önemlidir. Bu bölüm bu iki önemli görevi ele alacaktır.

Daha fazla ilerlemeden önce, bir araştırmacı bir çalışmayı planlarken, çalışma katılımcılarını seçmeden ve onları gruplara atamadan önce uygun bir araştırma tasarımı seçmelidir. Aslında, bir çalışmada kullanılan spesifik araştırma tasarımı, genellikle, katılımcıların çalışmaya dahil edilmek üzere nasıl seçileceğini ve çalışma içindeki gruplara nasıl atanacağını belirler.

Ancak, uygun bir araştırma tasarımı seçme konusu kapsamlı ve ayrıntılı bir tartışma gerektirdiğinden, bu konuyu ele almak için bütün bir bölümü ayırdık. Bu nedenle, bu bölümü okurken, katılımcıları seçme ve bu katılımcıları gruplara atama görevlerinin genellikle uygun bir araştırma tasarımı seçtikten sonra gerçekleştiğini akılda tutmak önemlidir.

The post Nicel Nitel Değişkenler  – 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.