Yöneticilerin veya bireylerin paylaşmaya çalıştıkları bilgi ve bilgi paylaşımının gerçekleştiği kültürler hakkında bir şeyler biliyorsak, bilgi paylaşımının başarılı olma şansını artırmak için bir dizi kılavuz geliştirebiliriz.

Bilgi boyutlarının daha kolay paylaşıldığı belirli kültürel özellikler verildiğinde yönergeler sağlar. Yöneticiler, bilginin özellikleri üzerinde kontrole sahip değillerse veya ilgili yöneticilerin kültürleri arasında büyük farklılıklar varsa, bilgiyi nasıl paylaştıkları konusunda çok dikkatli olmalıdırlar.

Bu bölümün amaçları doğrultusunda, yönetim teorisyenleri tarafından kültürleri farklılaştırmak için açıkça en yaygın şekilde kullanıldıkları için, Hofstede tarafından geliştirilen dört boyuta odaklanacağız.

Daha önceki bir bölümde açıklanan bilgi yönetimi literatürüne dayanarak, Hofstede’nin kültürel boyutlarıyla ilişkilendirmek için bilginin altı ana özelliğini seçtik: zımni ve açık, organizasyona karşı bireysel, genele karşı özel, hariciye karşı dahili, çevreye karşı duyarlılık. çalışan düzeyi ve medya zenginliği.

Bir ülkenin Hofstede’nin boyutlarına nasıl düştüğüne ve paylaşılan bilginin türüne bağlı olarak, bu bilgiyi başarılı bir şekilde paylaşmak için bilginin nasıl paketlenmesi gerektiğine dair yönergeler sağlar. Kısaltmaları gösterildiği gibi tanıtıyoruz.

Ardından, modelin tahminlerini gösteren iki senaryo sunacağız. Önerilen bilgi paylaşım stratejilerinin yazarlar tarafından varsayıldığına ve gelecekteki araştırmalarda doğrulanması gerektiğine dikkat edin.

Okuyucunun tablodaki bilgileri anlaması önemlidir. Bir hücre içindeki girişler, bilgi ve kültürel değişkenler arasındaki ilişkiyi gösterir.

Hücre kombinasyonları, bilgiyi başarılı bir şekilde paylaşmak için önerilen stratejileri tanımlar. Kültür ve bilgi değişkenleri arasında bir kopukluk varsa, bilgilerin kaybolması, verimli veya etkili bir şekilde paylaşılmaması olasılığı yüksektir.

Bir örnek yardımcı olabilir. Bilgi genellikle bir güç biçimi, rekabet ortamının bir parçası ve başarıya giden bir yardımcı olarak görüldüğünden, iki bireysel ülkeden (örneğin, Amerika Birleşik Devletleri ve Büyük Britanya) yöneticilerin bilgiyi paylaşma olasılığı daha düşüktür.

Bireyselci kültürel bakış açıları, verilerin kime ait olduğuna dair bireysel bir bakış açısına yönelecektir. Bu arada, kolektivist ülkelerden (örneğin, İspanya ve Arjantin) yöneticilerin, verileri kuruluşa ait olarak görmeleri ve belki de yakın tarihli bir proje deneyimine dayalı yeni en iyi uygulama bilgilerini bir şirkete girerek verileri paylaşmaya daha yatkın olmaları muhtemeldir.

Bireyci bir ulusal kültürden birinin işbirliği yapmaması, bir kötü niyet meselesi değil, farklı algılar olacaktır. Bir bilgi portalı gibi ortak bir bilgi paylaşım tekniğinin uygulanmasının, iki farklı kültürel ortamda açıkça farklı biçimler alması gerekecektir.

Değişken türleri
Süreksiz değişken örnekleri
Bağımsız değişken türleri
Sürekli değişken örnekleri
Nitel değişkenler
değişken (bilgisayar bilimi)
Aracı değişken nedir
Süreksiz değişken nedir

Bütün bunlar pratikte ne anlama geliyor? Tercih edilen bilgi paylaşım tekniğinin kullanılması, bilginin doğru paylaşılmasındaki başarıyı artıracaktır. Ülkeler bir veya daha fazla kültürel boyutta benzer puanlar alır ve tablodaki sonuçları kullanarak bilginin nasıl sunulduğu üzerinde kontrole sahip olursa, bilginin başarılı bir şekilde paylaşılma şansını artırabilirler. 

Son 15 yıl boyunca KM girişimleri, birçok bilgi sistemi yeniliği için tipik olmuştur; başlangıçta odak noktası teknoloji merkezliyken, hataların çoğu çözüldü, satıcılar pazar yerlerini belirledi ve şirketler, KM’yi kuruluşlarına etkin bir şekilde nasıl dahil edeceklerini araştırdı.

Yüzlerce şirketin deneyimi sayesinde (ERP sistemleri ve bunların analitiği, veri ambarları, işbirliği araçları, Web portalları ve hazır yüksek hızlı iletişimler tarafından son 10 yılda sağlanan ek teknik yeteneklerle birlikte) BY olgunlaşıyor Odak noktasının bilgi yönetimi sistemlerinin nasılına, nedenine ve değerine kayabileceği bir noktaya ulaşmıştır.

Kültür (hem organizasyonel hem de çalışanların kültürel geçmişlerinin çeşitliliği) gibi teknik olmayan başarı faktörlerine artık hak ettikleri ilgi gösterilebilir.

Bununla birlikte, bilgi sistemlerini, bilgi yönetimini ve bilgi paylaşımını inceleyen kültürler arası bir bağlamda araştırmayı temellendirmeye yardımcı olacak iyi bir teoriye hala ihtiyaç vardır. Bu bölüm, etkili bilgi paylaşımını keşfetmek için bir araç olarak Hofstede’nin kültürel boyutlarını kullandı.

Ayrıca Hofstede’nin kültürel boyutlarını kullanmanın bazı sınırlamalarını tartıştı. Katkıda bulunabilecek alanlardan biri, öğrenme teorisi, özellikle de kültür temelli öğrenmedir. “Kültür, bilişteki farklılıkların kaynağıdır.

Öğrenme çalışmaları, bireyin ilk okul deneyimi kültürünün, bireyin nasıl öğrendiği, problemleri nasıl şekillendirdiği, problemleri çözdüğü ve bilgileri nasıl kullandığı (örneğin, tablolar, sıralama, planlar ve haritalar) üzerinde bir fark yarattığını göstermiştir.

Batı tarzı eğitimin, özellikle bilim ve tıpta probleme dayalı öğrenme (PDÖ) ile ilgili son deneyleri, öğrencileri okuldan sonra (farklı ortamlarda) öğrenmeye devam etmeye geleneksel eğitim yöntemlerinden daha iyi hazırlayabileceği konusunda umut vaat ediyor. KM’nin birincil hedeflerinden biri hem bireysel hem de örgütsel öğrenmeyi desteklemek olduğundan, öğrenme teorisi faydalı olabilir.

Zorlayıcı bir tartışma, şu anda deneyimlemekte olduğumuz kültürlerin çarpışmasının nihai sonucuyla ilgilidir. Bazıları, kültürün öneminin ve kültürel norm ve değerlerin kalıcı doğasının, organizasyonel ve ulusal kültürel etkilerin kültürler arası çalışma üzerindeki etkisini anlama ihtiyacını öngörülebilir gelecekte ön planda tutacağını iddia ediyor.

Diğerleri standardizasyon olacağını öne sürüyor. Küçük bir standardizasyon örneği, İngilizce’nin küresel ticaret için standart dil olarak hakimiyetini sıkılaştırması olabilir. Çok daha büyük bir örnek, kuruluşlar ve toplumlar arasındaki kültürel farklılıkların büyük ölçüde ortadan kalkması olabilir.

Eğilim buysa, KM uygulamalarının kültürden bağımsız olarak tasarlanması uygun olacaktır. Belki kültür hem güçlenecek hem de zayıflayacaktır. Bir BY girişiminin kullanıcılarının ana dillerine açıkça dikkat edildiği bir örneği açıklar.

KM forumları, çevirmenlerin kullanımı yoluyla birden çok dili destekledi. Kısa bir süre sonra, hem İspanyolca hem de İngilizce dil forumlarını içeren ayrı bölgesel forumlar geliştirildi. Ancak zamanla forumlar, forum katılımcıları için ortak dil olarak İngilizce’yi standartlaştırdı. Bu, BY girişimlerinin genellikle, bazen ulusal kültür ve etnik farklılıklar pahasına, paylaşılan bir örgütsel kültürü standartlaştırmaya ve güçlendirmeye yönelik güçlü bir baskı içerdiği önermesini destekler.

Öngörülebilir gelecekte, kültürler arası çalışma ortamlarında bilgi yönetimi ve bilgi paylaşımının önemi, küreselleşme amansız yürüyüşünü sürdürürken artacaktır. Bilgiyi etkin bir şekilde paylaşan kuruluşların üretkenliklerini, yenilikçiliklerini ve rekabet güçlerini olumlu yönde etkilemesi muhtemeldir.

Ancak görünen o ki acil zorluk, bilgi ve iletişim teknolojisi parçalarının birlikte çalışmasını sağlamak olmayacak. Bu çalışmaların çoğu yapıldı. Kültürel çeşitliliğini anlayan ve benimseyen kuruluş, fark yaratan anahtara sahip olabilir.

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

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.

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.