1) Araştırma Probleminin ve Amaçların İnşası

Veri analizi öncesinin ilk görevi, problemin açık, ölçülebilir ve sınırları çizilmiş biçimde tanımlanmasıdır. “Türkiye’de ortaöğretim öğrencilerinin STEM tutumlarını etkileyen faktörler nelerdir?” gibi soru, kavramları (STEM tutumu), hedef kitleyi (ortaöğretim öğrencileri) ve ilişkileri (etkileyen faktörler) kodlar.
Uygulama: Araştırma amaçlarını SMART (Specific, Measurable, Achievable, Relevant, Time-bound) ölçütlerine göre yazın.
Örnek Olay: Bir eğitim fakültesi öğrencisi, STEM tutumu ölçeği ile öz-yeterlik ilişkisini incelemeyi planlıyor. Amaçları SMART’a göre revize ettiğinde, bağımlı/bağımsız değişkenleri netleşiyor ve sonraki tüm hazırlık adımları (ölçek seçimi, örneklem, analiz) isabet kazanıyor.

2) Kuramsal Çerçeve ve Değişken Haritası

Kuramsal çerçeve; hipotezlerin, değişkenlerin ve beklenen ilişkilerin mantıksal bir haritasıdır.
Uygulama: Literatür taraması sonrası kavramsal şema çizin (bağımlı değişken → aracı/moderatör → bağımsızlar).
Derin Analiz: Aracı değişken ile moderatör değişkenin karıştırılması, analiz planını bozar. Aracılık (mediation) nedensel zinciri içerirken, moderasyon (moderation) ilişki gücünü/ yönünü bağlama göre değiştiren etkidir. Ön hazırlıkta bu ayrımı netleştirmek, örneklem büyüklüğü hesaplarına kadar her şeyi etkiler.

3) Araştırma Tasarımı: Deskriptif mi, Deneysel mi?

Nicel: Kesitsel, boylamsal, yarı-deneysel, deneysel tasarımlar.
Nitel: Durum çalışması, fenomenoloji, kuram oluşturma, etnografi, eylem araştırması.
Uygulama: Araştırma sorunuz nedensellik talep ediyorsa deneysel veya yarı-deneysel tasarımları; anlam inşasını hedefliyorsa nitel tasarımları seçin.
Örnek Olay: Okul temelli bir müdahalenin etkisini sınayan tez, yarı-deneysel “eşleştirilmiş kontrol grubu” tasarımına yöneldiğinde, veri toplama takvimi, izin süreçleri ve ölçüm sıklığı önceden planlanıp sürprizler minimuma iner.

4) Etik Onay ve Veri Koruma Protokolleri

Etik Kurul: İnsan katılımcı içeren tüm tezlerde zorunludur.
KVK/GDPR Uyumlu Depolama: Kimliği belirleyici bilgileri ayrı ve şifreli saklayın; anonim/pseudonim kimlikler kullanın.
Uygulama: Onam formu şablonları oluşturun; veri paylaşımı, silme hakkı ve saklama süresi açıkça yazılsın.
Örnek Olay: Bir sağlık bilimleri tezi, hassas veriler için şifreli harici disk ve bulut üzerinde iki kademeli güvenlik uygular; denetimde sürecin izlenebilirliği sayesinde analiz aşamasına sorunsuz geçer.

5) Ölçüm Araçlarının Seçimi ve Türkçe Uyarlama

Geçerlik/Güvenirlik: Daha önce doğrulanmış ölçekleri tercih edin; yeni uyarlama gerekiyorsa ileri-geri çeviri, uzman paneli, pilot çalışma yürütün.
Uygulama: Cronbach’s alpha ≥ .70, doğrulayıcı faktör analizi (DFA) ile yapı geçerliği; ölçüt bağıntılı geçerlik testleri.
Örnek Olay: İş doyumu ölçeğini Türkçe uyarlayan bir tez, madde-toplam korelasyonlarını < .30 olan maddeleri revize ederek analiz öncesi ölçüm kalitesini yükseltir.

6) Örneklem Büyüklüğü ve Güç (Power) Analizi

Nicel: A priori power analizi (G*Power vb.) ile minimum örneklem hesaplanır (etki büyüklüğü, alfa, güç).
Nitel: Doygunluk (saturation) esas; amaçlı örnekleme stratejileri (maksimum çeşitlilik, kartopu vb.) belirlenir.
Uygulama: Regresyon için beklenen etki büyüklüğünü literatürden alın; pilot çalışmadan Cohen’s f² tahmini yapın.
Örnek Olay: 8 yordayıcı içeren bir regresyon için f²=0.15, α=0.05, güç=0.80 ile hesaplanan minimum n=109; araştırmacı 15% fazlasını hedefleyerek olası kayıpları telafi eder.

7) Veri Toplama Planı ve Alan Lojistiği

Takvim: İzinler, okul/kurum erişimi, sınav/ tatil dönemleri, saha ziyaret sıklığı.
Uygulama: Veri toplama rehberi yazın: kim, nerede, nasıl, ne kadar sürede?
Örnek Olay: Üç ildeki liselerden veri toplayan bir tez, il/ilçe MEM izinleri, rehber öğretmen koordinasyonu ve sınav haftaları çakışmasını önceden planlayarak kayıp veriyi minimize eder.

8) Pilot Çalışma: Riskleri Analizden Önce Yakalamak

Pilot, ölçeklerin anlaşılırlığını, süreyi ve prosedürlerin işlerliğini test eder.
Uygulama: n=30–50 katılımcı ile pilot; açık uçlu geri bildirim toplayın.
Derin Analiz: Pilot sonrası madde analizi (madde ayırt ediciliği, zorluk), DFA modifikasyon indeksleri, görüşme protokolü revizyonu.
Örnek Olay: Bir çevrim içi anketin ilk sayfasında yüksek terk oranı tespit edilir; araştırmacı soru sıralamasını ve mobil uyumu iyileştirir.

9) Veri Yönetim Planı (DMP) ve Versiyonlama

DMP Bileşenleri: Dosya adlandırma kuralları, meta-veri şeması, yedekleme politikası (3-2-1 kuralı), erişim yetkileri.
Uygulama: “tez2025_anakume_v1.parquet”, “kod_analiz_v2.R” gibi sistematik adlar; değişiklik günlüğü (changelog).
Örnek Olay: Ekipli bir tez projesinde Git tabanlı versiyonlama ve paylaşımlı sürüm notları, veri-kod senkronunu korur.

10) Değişken Sözlüğü (Codebook) ve Kodlama Şeması

Codebook: Değişken adı, açıklama, değer aralığı, eksik değer kodları, ölçüm zamanı.
Uygulama: Kategorik değişkenlerde tutarlı etiketler (“1=Kadın, 2=Erkek, 9=Bilinmiyor”); metinsel nitel veride tema/hızlı kod listesi.
Örnek Olay: Çok merkezli bir araştırmada farklı araştırma asistanlarının aynı kodları kullanması, karşılaştırılabilirliği garanti eder.

11) Veri Kalitesi Güvencesi: Temizlik, Tutarlılık ve Eksik Veri

Temizlik: Aykırı değer taraması (z-skor, kutu grafiği), mantık tutarsızlıkları (yaş=7 iken lisans öğrencisi), format sorunları (tarih/saat).
Eksik Veri: MCAR/MAR/MNAR ayrımı; çoklu atama (multiple imputation), FIML, duyarlılık analizleri.
Uygulama: Önceden yazılmış temizlik betikleri (R/Python) ile tekrarlanabilirlik.
Örnek Olay: %12 eksikliği olan bir gelir değişkeni, MAR varsayımıyla çoklu atama sonrası regresyonda önyargıyı azaltır.

12) Analiz Stratejisi ve Ön Kayıt (Preregistration)

Strateji: Hipotez testleri, varsayım kontrolleri, etki büyüklüğü raporları, çoklu karşılaştırma düzeltmeleri (Bonferroni, FDR).
Ön Kayıt: Analiz planını veri görmeden yazmak p-hacking riskini azaltır.
Uygulama: OSF gibi platformlarda özet plan; tez etik kurula ek.
Örnek Olay: Ön kayıtlı bir tezde, beklenmeyen sonuçlar için “keşfedici analiz” bölümü ayrı raporlanarak şeffaflık korunur.

13) Yazılım Ekosistemi ve Reprodüksiyon: SPSS, R, Jamovi, Python

Seçim Kriterleri: Lisans erişimi, komut dosyası kaydı, paket ekosistemi, grafik gücü.
Uygulama: R Markdown/Quarto ile tekrarlanabilir raporlama; SPSS Syntax arşivi; Jamovi modülleri; Python (pandas, statsmodels).
Örnek Olay: R’da “renv” ile paket sürümlerini kilitleyen tez, yıllar sonra aynı sonuçları yeniden üretir.

14) Ölçekte Psikometrik İncelemeler: AFA ve DFA Öncesi Kontrol

AFA (Açımlayıcı Faktör Analizi): KMO, Bartlett testi, faktör sayısı belirleme (parallel analysis), döndürme yöntemleri.
DFA: Uyum indeksleri (CFI, TLI, RMSEA, SRMR), modifikasyon indekslerinin kuramsal yorumla kullanımı.
Uygulama: Pilot veride AFA ile yapı keşfi, ana çalışmada DFA ile doğrulama.
Örnek Olay: İki faktörlü beklenen yapı, DFA’da zayıf uyum verince maddeler arası hata kovaryansları teorik gerekçe olmadan eklenmez; ölçek kısaltılır.

15) Varsayım Kontrolleri: Normallik, Çoklu Doğrusal Bağlantı, Varyans Homojenliği

Uygulama: Shapiro-Wilk, Q-Q grafikleri; VIF/ tolerans; Levene testi; bağımlı gözlem ihlali için karışık modeller.
Örnek Olay: Çoklu doğrusal regresyonda VIF>10 olan iki değişken birleştirilerek model istikrarlı hale getirilir.

16) Veri Güvenliği, Yedekleme ve İzin Yönetimi

Güvenlik: Şifreleme, rol tabanlı erişim; yedekleme (yerel + bulut); erişim logları.
Uygulama: Kimliği belirleyici veriler ile araştırma verilerini ayrı tutun; kimlik anahtarını ayrı yerde saklayın.
Örnek Olay: Harici diski kaybeden araştırmacı, veriyi AES ile şifrelediği için ihlali raporlar ama veri sızması yaşanmaz.

17) Zaman Yönetimi ve Gantt Şeması

Uygulama: İzinler (2–4 hafta), pilot (3–4 hafta), veri toplama (6–10 hafta), temizlik (2–3 hafta), analiz (4–6 hafta), yazım (6–8 hafta).
Örnek Olay: Gecikmeleri tamponlayan %20 esneklik payı, savunma tarihine yetişmeyi sağlar.

18) Kaynakça ve Referans Yönetimi (Zotero/Mendeley/EndNote)

Uygulama: Tek tip atıf stili (APA/MLA/Chicago) ve şablon; künye alanlarının eksiksizliği; PDF adlandırma standardı.
Örnek Olay: Zotero grupla paylaşılan klasör, kuramsal çerçeve yazımını hızlandırır.

19) Nitel Veri İçin Görüşme/ Odak Grup Protokolleri

Uygulama: Yarı yapılandırılmış soru seti; sonda sorular; kayıt-transkripsiyon izinleri; mahremiyet.
Derin Analiz: Araştırmacı yanlılığına karşı refleksif günlük; üçgenleme (veri/araç/araştırmacı).
Örnek Olay: Eğitim araştırmasında veli-öğretmen-öğrenci üçgenlemesiyle bulguların güvenilirliği artar.

20) Karışıklık (Confounder) ve Kontrol Değişkenleri Planı

Uygulama: Literatüre dayalı potansiyel karıştırıcılar listelenir (sosyoekonomik durum, önceki başarı, cinsiyet vb.), analiz planına dâhil edilir.
Örnek Olay: STEM tutumu analizinde önceki matematik başarısı kontrol edilmezse, etki büyüklükleri şişebilir.

21) Çoklu Karşılaştırmalar ve Yanlış Keşif Oranı

Uygulama: Birden çok hipotez testinde FDR kontrolü; önceliklendirilmiş hipotez listesi.
Örnek Olay: 20 alt hipotezli bir çalışma, Benjamini-Hochberg ile raporlamayı düzeltir.

22) Ön Raporlama Şablonları: Tablo/Şema Tasarımı

Uygulama: Değişken tanımlayıcı tablolar, akış şemaları (katılımcı dahil/ hariç), analiz model diyagramları.
Örnek Olay: CONSORT benzeri akış diyagramı, değerlendirme kurulunda sürecin şeffaflığını artırır.

23) Uygulamalı Örnek: Okul Tabanlı Motivasyon Programı

Senaryo: 9. sınıflarda 8 haftalık motivasyon müdahalesi.
Hazırlık Adımları:

• Amaç: Akademik motivasyon ve devamsızlıkta değişim.

• Tasarım: Eşleştirilmiş kontrol grubu, ön-son test.

• Ölçek: Akademik Motivasyon Ölçeği (Türkçe uyarlama).

• Örneklem: Power analiziyle n=160 (kaybı telafi için 184).

• Etik: Onam formları, KVKK uyumlu depolama.

• Pilot: 30 öğrenci, madde anlaşılırlığı; süre 12 dakikadan 9 dakikaya indirildi.

• Analiz Planı: Tekrar ölçümlü ANOVA; etki büyüklüğü η²; eksik veri için çoklu atama.
  Bu ön hazırlık sayesinde analiz aşamasında sürpriz yaşanmaz.

24) Uygulamalı Örnek: Nitel İçerik Analiziyle Öğretmen Görüşmeleri

Senaryo: Öğretmenlerin uzaktan eğitim deneyimleri.
Hazırlık:

• Yarı yapılandırılmış soru kılavuzu; pilot görüşme ile dil sadeleştirme.

• Amaçlı örnekleme (10 farklı branş).

• Kodlama şeması; iki kodlayıcı ile güvenilirlik (Cohen’s κ).

• NVivo/Atlas.ti proje yapısı; yedekleme.
  Sonuç: Temalar (erişim, pedagojik esneklik, değerlendirme zorlukları) güvenilir şekilde ortaya çıkar.

25) Uygulamalı Örnek: Ölçek Uyarlama – Psikometrik Yol Haritası

Adımlar: İleri-geri çeviri, uzman paneli, bilişsel görüşmeler, pilot AFA, ana çalışmada DFA, güvenirlik (α, ω), yakınsak/ayrışan geçerlik.
Risk Yönetimi: Kültürel uyumsuz ifadelerin erken tespiti, madde sayısının dengelenmesi.

26) Saha Notları ve Refleksif Günlük

Uygulama: Gözlemci etkisini, örneklem önyargılarını ve beklenmedik durumları belgeleyin.
Örnek Olay: Okul yönetimindeki değişim veri toplama takvimini saptırır; refleksif günlükte kayıtlı kararlar, metodoloji bölümünde gerekçeye dönüşür.

27) Önce Güvenlik: Veri Maskeleme ve Anonimleştirme Teknikleri

Uygulama: Doğum tarihi yerine yaş aralığı; coğrafi veride 3-hane kuralı; metinlerde kişi-kurum adlarının takma adlarla değiştirilmesi.
Örnek Olay: Küçük kasabada yapılan çalışma, tanınma riskini azaltmak için meslekleri geniş kategorilerde raporlar.

28) Kalite Güvencesi İçin Kontrol Listeleri (Checklists)

İçerik: Etik, ölçüm, örneklem, veri yönetimi, analiz planı, yazılım, raporlama.
Uygulama: Savunma öncesi “pre-analysis” kontrol listesi ile son doğrulama.

29) Tez Danışmanı ve Ekip İçi İletişim Protokolü

Uygulama: Düzenli haftalık raporlar, kilometre taşları, karar kayıtları.
Örnek Olay: Danışmanla erken mutabakat sağlanan analiz planı, son dakikada yöntem değişikliği riskini ortadan kaldırır.

30) Sık Yapılan Hatalar ve Önleyici Stratejiler

• Varsayım kontrollerini atlamak → Yanlış test seçimi.

• Ölçüm uyarlamasını belgesiz yapmak → Geçerlik sorunu.

• Eksik/veri kaybına hazırlıksız olmak → Güç kaybı.

• Ön kayıt yapmamak → Esneklik-yanlılık karışıklığı.
  Önleme: Bu yazıdaki her adımı kontrol listesiyle eşleyin.

Sonuç: Sağlam Temel, Güçlü Analiz

Tezlerde veri analizi öncesi hazırlık süreci, araştırmanın güvenilirliğini, geçerliğini ve tekrarlanabilirliğini belirleyen omurgadır. Problemin ve amaçların netleştirilmesi, kuramsal çerçevenin berraklaştırılması, uygun tasarım ve ölçüm araçlarının seçimi, etik-hukuki gerekliliklerin yerine getirilmesi, örneklem ve güç analizlerinin yapılması, veri yönetim planının kurgulanması, pilot çalışmalar ve psikometrik kontrollerin gerçekleştirilmesi, eksik/aykırı değer stratejilerinin hazırlanması ve nihayet ön kayıtla şeffaflığın sağlanması; hepsi birlikte “analize hazır, temiz ve anlamlı veri” demektir.
Bu hazırlığın çıktısı yalnızca daha “güzel” tablolar ya da “uyumlu” modeller değildir; aynı zamanda daha doğru bilimsel iddialar, kurumdan kuruma, yıldan yıla yeniden üretilebilen bulgular ve etik açıdan hesap verebilir bir araştırma pratiğidir. Saha koşullarındaki belirsizliklere rağmen, iyi planlanmış bir hazırlık süreci, beklenmedik durumları yönetilebilir hale getirir: veri kaybı azalır, yanlılık kontrol altına alınır, ölçüm hataları düşer, raporlama netleşir.
Son kertede, güçlü analiz “öncesinde” başlar. Tezinizin başarı olasılığını artırmak için bu yazıdaki adımları, kendi bağlamınıza uyarladığınız bir kontrol listesine dönüştürün; danışmanınızla ve çalışma ekibinizle erken mutabakat sağlayın; veri yönetim ve etik belgelerinizi eksiksiz hazırlayın. Böylece analiz aşamasına geldiğinizde, istatistiksel testleri yalnızca çalıştırmakla kalmayacak; neden o testleri, o varsayımlar altında ve o değişkenlerle çalıştırdığınızı, akademik bir tutarlılıkla savunabileceksiniz.

Analytics, veri yönetimi ve raporlama boyutlarına eşgüdümlü yaklaşan bir araştırmacı, yalnızca bir tezi “tamamlamaz”; alana güvenilir bir bilgi katkısı sunar. Bu nedenle, hazırlık sürecini bir zorunluluk değil, bilimin kalite güvencesi olarak görün: Bugün gösterdiğiniz titizlik, yarın savunma jürinizin en kritik sorularına vereceğiniz en güçlü yanıttır.

Akademi Delisi, eğitim ve akademik destek alanında kapsamlı hizmetler sunan öncü bir platformdur. Öğrencilerin akademik başarılarına yön verirken, onları bilgiyle buluşturmayı ve potansiyellerini en üst düzeye çıkarmayı amaç edinmiş bir ekibiz. Sitemiz bünyesinde ödevlerden projelere, tezlerden makalelere kadar geniş bir yelpazede destek sağlıyoruz. Alanında uzman yazarlarımız, öğrencilere özgün içerikler sunarken, aynı zamanda onlara araştırma, analiz ve yazım konularında rehberlik ederek kendilerini geliştirmelerine yardımcı oluyor.
Akademik hayatın zorluklarıyla başa çıkmak artık daha kolay. Akademi Delisi olarak, öğrencilere sadece ödevlerinde değil, aynı zamanda araştırma projelerinde, tez çalışmalarında ve diğer akademik gereksinimlerinde de destek sağlıyoruz. Sunduğumuz kaliteli hizmetler sayesinde öğrenciler zamanlarını daha verimli bir şekilde kullanabilirler. Uzman ekibimiz, her bir öğrencinin ihtiyaçlarına özel çözümler üreterek, onların akademik hedeflerine ulaşmalarına katkı sağlar.
Gelişmiş kaynaklara erişimden akademik yazım kurallarına, araştırma yöntemlerinden kaynakça oluşturmaya kadar her aşamada öğrencilere destek sunan Akademi Delisi, eğitimde yeni bir perspektif sunuyor. Amacımız, öğrencilere sadece geçici çözümler değil, aynı zamanda uzun vadeli öğrenme ve başarıya giden yolda rehberlik etmektir.

The post Akademik Tezlerde Veri Analizi Öncesi Hazırlık Süreci first appeared on Ödev - Tez - Proje Hazırlatma Merkezi.