Veri Çözümleme Teknikleri

Değişkenler sınırlı sayıda değer alabildikleri zaman süreksiz değişken olarak adlandırılır. Örneğin cinsiyet değişkeni sadece erkek ve kadın olmak üzere yalnızca iki değer alabilir. Ya da bireylerin saç rengi esmer, sarışın ve kumral gibi sınırlı sayıda değer alabilir. Kızıl ya da beyaz saçlıların eklenmesi ile belki bu liste birazcık daha genişletilebilir; ama sonuç olarak bireylerin sahip olabilecekleri saç renkleri sınırlı sayıdadır. Bu örneklerdeki süreksiz değişkenler aynı zamanda nitel değişkenlerdir. Ancak süreksiz değişkenler bazen nicel de olabilir. Örneğin bir zar atıldığında gelebilecek altı olasılık vardır. Her zar atıldığında bir ile altı arasında bir değere ulaşılır. Zar atıldığında elde edilen sayısal değerler niceldir; öte yandan zar sonucunda elde edilebilecek değerler sınırlı olduğu için süreksizdir.

Sürekli değişkenler mümkün olan en yüksek ve en düşük puan aralığında sınırsız sayıda değer alabilirler. Başarı testlerinden alınan puanlar, tutum ve kişilik ölçekleri ya da yaş gibi değişkenler sürekli değişkenlerdir. Sürekli değişkenler zar örneğinde olduğu gibi tam sayı olmak zorunda değildir. Bir öğrencinin not ortalaması 75.8 ya da yaşı 19.7 gibi ondalık sayılarla da gösterilebilir.

Sınıflama ölçekleri: sadece isimlendirme ve gruplandırma mümkündür. Miktar ifade etmez.

Sıralama ölçekleri: Veriler sıralanabilir, ancak sayılar bir değer değil sıra ifade eder.

Eşit aralıklı ölçekler: Sayılar bir değer ifade eder. Miktar ölçülebilir, ancak sıfır noktası görecelidir.

Oranlı ölçekler: Yukarıdakilerin tümüne ek olarak mutlak sıfır noktası vardır. Oransal karşılaştırmalar yapılabilir.

Araştırmalarda elde edilen çok miktarda sayısal veriyi birkaç basit ifade ile özetlemek için betimsel istatistiklerden yararlanılmaktadır. Betimsel istatistikler, bir değişken içerisinde her bir değerin ya da değer kümesinin kaç kez tekrar ettiği, değerlerin merkez olarak seçilen bir nokta etrafında nasıl bir dağılım gösterdiği, orta noktaya ya da birbirlerine göreceli olarak nasıl bir uzaklıkta oldukları gibi özet bilgileri kapsamaktadır.

Toplanan verilerin özetlenmesinde kullanılan en basit yol frekans dağılımlarını özetleyen tablolardır. Bu tablolar bir değişken içerisinde her bir değerin ya da değer kümesinin kaç kez tekrar ettiğini görmeye yarayan araçlardır. Bunların hazırlanabilmesi için öncelikle verilerin sıralanması, ardından aynı değere sahip katılımcı sayılarının bu verilerin karşısına yazılması gerekir.

Merkezi eğilime ulaşmak için bir değişkeni oluşturan değerlerin merkez noktası belirlenir ve değerlerin bu nokta etrafındaki dağılımları betimlenir. Merkezi eğilimi betimlemek için yaygın olarak kullanılan ölçümler tepedeğer (mod), ortanca (medyan) ve aritmetik ortalamadır.

Bir veri diziliminde en sık yinelenen değer tepedeğer olarak adlandırılır. Örneğin 3, 1, 3, 4, 6 ve 3 şeklinde verilen puanlar arasında tepedeğer 3’tür. Tepedeğer süreksiz değişkenleri özetlemek için oldukça iyi bir ölçüt olabilir. Ancak eşit aralıklı ve oranlı ölçümleri betimlemede yetersiz kalmaktadır. Veri diziliminde merkezi eğilimi yeterince yansıtmayan, düşük ya da yüksek bir puan sıklıkla yinelenmiş olabilir. Ya da bir dizilimde birden fazla tepedeğer bulunabilir. Bu nedenle merkezi eğilim hakkında tepedeğere göre yapılan yorumlar yeterince güçlü olmayabilir.

Aritmetik Ortalamaya da ortalama, bir veri dizilimindeki değerlerin toplamının o dizilimdeki değer sayısına bölünmesi ile hesaplanır. Öteki ölçümlere göre daha tutarlıdır ve araştırma raporlarında merkezi eğilimi belirtmek için en çok kullanılan ölçüm türüdür. Örneğin 2, 3, 3, 4, 7, 8, 8 dizilimde yer alan 7 puanın toplanması ile bulunan 35 sayısının yediye bölünmesi ile dizilimin ortalamasının 5 olduğu görülecektir. Bir evrenden farklı farklı örneklemler alınıp bu örneklemlerin tepedeğer, ortanca ve ortalamaları hesaplandığında tepedeğer ve ortancanın örneklemler arasında farklılık gösterdiği; öte yandan ortalamanın benzerlik gösterdiği görülecektir. Bu nedenle ortalama merkezi eğilim hakkında en doğru bilgiyi veren göstergedir.

Bir dağılımda değerlerin büyük bir bölümü ortalamanın etrafında toplanmışsa, düşük ve yüksek puanların olduğu uçlara doğru simetrik ve düzenli bir azalma varsa bu dağılım normal dağılım olarak adlandırılır. Bir çanı andıran mükemmel bir normal dağılım eğrisinde verilerin yüzde 50’si ortalamanın sağında, yüzde 50’si ise ortalamanın solunda yer alır. Yine mükemmel bir normal dağılımda aritmetik ortalama, ortanca ve tepedeğer birbirine eşittir.

Bir başarı testinde bireyin notunu ya da gruptaki not dağılımlarını bilmek, bireyin grup içerisindeki yerini net olarak görmek veya farklı derslerden aldığı notları karşılaştırmak için yeterli olmayabilir. Örneğin Olcay’ın matematik notu 65, Türkçe notu 60 ise Olcay matematikte daha başarılıdır demek her zaman doğru olmayabilir. ‹ki ders için öğrencilerin dağılımları, sınavların zorluk düzeyi, ders notlarının ortalama ve standart sapmaları çok farklı olabilir. Hatta Olcay, 65 puan ile matematikte sınıfın en iyileri, 60 puan ile Türkçede sınıfın en başarısızları arasında olabilir. Böyle durumlarla baş edebilmenin en güzel yolu standart puanları hesaplamak, yani ham puanları ortak bir paydada buluşturarak aynı türden ölçeklere çevirmektir. Standart puanlar yardımıyla bir katılımcının içinde bulunduğu grubun puanları bağlamında grubun tam olarak neresinde olduğunu rahatlıkla görebiliriz. Özetle, ham puanlar bireyin grup içerisindeki yeri ile ilgili bilgi vermezken, standart puanlar tam olarak grup içerisindeki yerini görmemizi sağlar.

Sosyal bilimlerde yapılan araştırmalarda evrenin tamamına erişmek çoğu zaman olanaklı değildir. Bu bağlamda güçlü bir araştırma için önemli basamaklardan biri evreni yeterince iyi temsil eden bir örneklemin doğru bir biçimde seçilmesidir. Daha sonra bu örneklemden alınan betimsel istatistiklerden yola çıkılarak evren parametreleri hakkında genellemeler yapılmaktadır. Bu şekilde örnekleme ait istatistiklerden yola çıkılarak evren hakkında genellemeler yapabilmek için yordamsal istatistiklerden yararlanılır. Ayrıca iki ya da daha fazla değişken arasındaki ilişkiyi görmek veya grupları birbirleriyle karşılaştırmak için de yordamsal istatistikler işe koşulmaktadır.

Standart bir hipotez testi gerçekleştirmenin 6 aşaması bulunmaktadır:

1. Sıfır hipotezini belirtme
2. Karşı hipotezi belirtme
3. Anlamlılık düzeyini seçme (Sosyal bilimlerde genellikle 0.05 olarak belirlenir)
4. Örneklemden veri toplama ve verileri özetleme
5. Örneklemden elde edilen test istatistiğini, anlamlı fark olup olmadığını görmek amacıyla ölçüt olarak kabul edilen değerle karşılaştırma
6. Sıfır hipotezinin kabul ya da reddine karar verme

Tek örneklem için t-testi, tek bir örnekleme ait ortalamanın tahmin edilen ya da bilinen evren ortalaması ile karşılaştırılması amacıyla gerçekleştirilir. Örneğin bir dershanede YGS’ye girecek olan öğrencilere deneme sınavı olarak 2011 yılı YGS sınavı aynen uygulansın. Tek örneklem için t-testi yapılarak öğrencilerin sınav notları ortalaması, 2011 YGS Türkiye ortalaması ile karşılaştırılabilir. Böylece sınıfın genel olarak Türkiye değerlerinden farklı bir başarı grafiği gösterip göstermediği bulunabilir.

Bağımsız örneklemler için t-testi, birbirinden bağımsız iki grubun tek bir sürekli değişken bağlamında karşılaştırılması için gerçekleştirilir. Güçlü bir test gerçekleştirebilmek için karşılaştırılan iki grubun da incelenen puan bağlamında normal bir dağılım göstermesi ve merkezi değişim ölçümlerinin aşırı farklılık göstermemesi beklenir.

Bağımlı örneklemler için t-testi, tek bir grubun iki farklı değişkenden aldığı puanları ya da bir testin iki farklı zamanda uygulanmasından aldığı puanları karşılaştırmak için kullanılır. Tek bir grup üzerinde çalışıldığı için serbestlik derecesi yine toplam katılımcı sayısından bir çıkartılarak bulunur.

Varyans analizi (ANOVA): t-testi, yalnızca iki grubu ya da bir gruba ait iki değeri karşılaştırırken oldukça verimli ve kullanışlı bir testtir. Ancak daha çok grup ya da değişkeni istatistiksel hata yapmadan karşılaştırmak için varyans analizine gereksinim duyulmaktadır. Varyans analizinin ‹ngilizce karşılığı olan “Analysis of Variance” tamlamasındaki koyu harşerden yola çıkılarak kısaltma olarak ANOVA kullanılmaktadır.

Korelasyon (Bağıntı): Korelasyon değişkenler arasında bir ilişki olup olmadığını, varsa bu ilişkinin yönünü ve gücünü göstermekte kullanılır. Araştırmalarda en yaygın kullanılan türü Pearson korelasyonu olup, eşit aralıklı ya da oranlı ölçülmüş değişkenler arasındaki ilişkinin yönünü ve gücünü belirlemek amacıyla kullanılır.

Betimsel analizde veriler önceden belli olan kategori ya da boyutlara göre özetlenir ve yorumlanır. Dört aşamadan oluşur. Birincisi analiz için bir çerçeve oluşturmadır. Yani verilerin hangi kavram ya da temalar altında düzenleneceği başlangıçta belirlenir. İkinci aşamada hazırlanmış olan bu tematik çerçeveye göre veriler okunur, düzenlenir ve işlenir. Hatta önceden belirlenmiş olan tematik çerçevenin dışında kalan verilerin dikkate alınmaması da söz konusu olabilir. Üçüncü aşamada tematik çerçeveye göre düzenlenmiş olan bulgular, kolay anlaşılır bir dille tanımlanır ve gerekirse ilginç ve vurucu alıntılarla desteklenir. Dördüncü aşamada ise bulgular yorumlanır. Yani tanımlanmış olan bulgular açıklanır, ilişkilendirilir ve anlamlandırılır.

İçerik analizi benzer verilerin belirli kavramlar ve temalar etrafında bir araya getirilmesi ve bunların anlaşılır biçimde düzenlenmesi sürecidir. Bu bağlamda tümevarımcı analiz olarak da adlandırılmaktadır. Betimsel analize göre daha derinlemesine bir çözümleme gerektiren içerik analizi, çoğunlukla mevcut verileri açıklamak için önceden belirlenmiş kategori ya da boyutlar olmadığı zaman işe koşulur. Ayrıca betimsel analizde gözden kaçan ya da önceden belirlenen başlıklar arasında yer almayan yeni kavram ve kategoriler, içerik analizi yardımıyla ortaya çıkartılır. ‹çerik analizinde sırasıyla veriler kodlanır, temalar bulunur, kod ve temalar düzenlenir, bulgular tanımlanarak yorumlanır.

Kodlama, nitel veriyi betimleyebilmek ve veri seti içinde yer alan temaları açığa çıkarabilmek amacıyla analiz birimlerini (metin, resim, ses) anlamlı parçalara ayırma ve bu parçaları adlandırma sürecidir. Kodlama sürecinde analiz birimleri parçalara ayrılır, bu parçalar anlamlandırılır, adlandırılır, birbirine çok benzeyen ya da yineleyen bu isimler dikkate alındıktan sonra da daha genel başlıklar altında toplanır. Böylece kapsamlı bir veri seti genel kavram ve temalar altında yer alacak bir biçimde daraltılmış ve özetlenmiş olur. Burada anlatılan kodlama adımları içerik analizine uygun bir biçimde sıralanmaktadır. Yani önceden belirlenmiş olan tematik bir çerçeveye göre verilerin işlendiği betimsel analizi değil; hazır bir kod listesi olmadan mevcut veriler arasında yer alan anlamlı bölümlere ulaşmayı (içerik analizi) hedeşemektedir. Basamaklar betimlenirken Creswell (2008) dikkate alınmıştır:

1. Öncelikle tüm analiz birimlerini dikkatlice inceleyerek bütün hakkında fikir sahibi olmak gerekir. Bu okuma sırasında akla gelen yorum ve açıklamalar verilerin yanına not düşülebilir.
2. Küçük bir bölüm ya da paragraf dikkate alınarak “burada tam olarak ne anlatılıyor?” sorusuna yanıt olabilecek en fazla üç ya da dört sözcüklük etiketler (kodlar) belirlenir.
3. Tüm veri seti gözden geçirilerek analiz birimleri işaretlenir ya da parantez içine alınır. Yanlarına o birimi birkaç sözcükle özetleyen kodlar eklenir. Birbirine benzer ifadeler yinelenebileceği için verilerin tamamını bu biçimde tek tek kodlamak şart değildir. Önemli olan metinde yer alan tüm olası kodların sağlıklı bir biçimde ortaya çıkmış olmasıdır.
4. Tüm veriler gözden geçirildikten sonra ortaya çıkan kodların bir listesi hazırlanır. Benzer kodlar gruplanarak anlamlı bütünler, yani kavramlar ortaya çıkartılır. Gereksiz olan ya da yinelenen kodlar elenir.
5. Veriler yeniden baştan sona okunarak eldeki kod ve kavram listesinin yeterince kapsayıcı olup olmadığı, yeni kod ve kavramların ortaya çıkıp çıkmadığı incelenir.
6. Tüm kavramlar tercihen beş ile yedi tema altında toplanabilecek şekilde gruplanır.

Farklı kaynaklarda nitel verilerin çözümleme ve yorumlanmasında yardımcı olabilecek, araştırmaya güç katacak çeşitli yöntemlerden söz edilmektedir. Orcher (2005) bu yöntemleri dokuz başlık altında irdelemektedir:

1. Numaralandırma:Üzerinde çalışılan araştırma sorununa yönelik her bir önemli kavram, yapı, duygu, davranış ya da olaydan kaç kez söz edildiğini belirtme; gözlem yapılıyorsa ilgili davranışların kaç kişi tarafından ya da kaç defa gerçekleştirildiğini kayıt altına alma;
2. Alıntı yapma: Üzerinde çalışılan konuyu tam anlamıyla betimleyen, ortaya çıkan kavram ve temaları tam anlamıyla destekleyen güçlü, ilginç ve özlü alıntıları bulguları desteklemek amacıyla kullanma;
3. Görüş birliği sağlama: Belli bir kodlama yaklaşımı belirlendikten sonra verilerin birden fazla bağımsız araştırmacı tarafından incelenmesi; böylece kodlar üzerindeki görüş birliği ve görüş ayrılığı oranlarını betimleme;
4. Çizelge oluşturma: Analiz sonucu ortaya çıkan kavramların temalar altında sınışandırılışını çizelgeler yoluyla verme, ana ve alt temaları ve temalar arası ilişkileri bu çizelgeler yardımıyla okuyucuya aktarma;
5. Uzman görüşüne başvurma: Veri toplama ya da çözümleme aşamasında doğrudan rol almamış yetkin uzmanlar ile sonuçları tartışarak veriler ile ilgili ortaya atılan yargıların akla ve bilime yatkınlığını irdeleme;
6. Gözlemden yararlanma: Veri kaynaklarını ve veri toplanan ortamı tüm ayrıntıları ile gözler önüne serebilecek kayıtlar tutarak bu kayıtları bağımsız bir gözlemci ile paylaşma, yaşanan sürecin bilimsel bir biçimde gerçekleşip gerçekleşmediğini yetkin ve bağımsız olan bu gözlemcinin dönütleriyle onaylama;
7. Katılımcı onayı: Elde edilen bulguları katılımcıların onayına sunarak verilerin araştırmacı tarafından aşırı öznel ya da yanlış yorumlanmasının önüne geçme;
8. Duyusal ton farklarını yakalama: Araştırmada katılımcıların söyledikleri ve yaptıkları benzer görünse bile sözsüz iletişim ve gözlem yetilerini işe koşarak katılımcıların sergiledikleri tavır ve duygu farklılıklarını ayırt etme;
9. Çelişkili durum analizi: Çoğunluktan farklı eğilim gösteren ya da grubun tersine hareket eden bireyleri mercek altına alarak, genel eğilimden farklı olma nedenlerini betimleme.

Araştırmacıların veri analizi yaparken daha az zaman harcayıp daha verimli sonuçlara ulaşabilmesi için üretilmiş çeşitli nicel ve nitel veri analizi yazılımları bulunmaktadır. Word ve Excel gibi neredeyse tüm bilgisayarlarda bulunan ofis programları yardımıyla verileri sınışandırmak, temel düzeyde nicel ve nitel çözümlemeleri gerçekleştirmek olanaklıdır. Daha ileri düzey analizler için ise özel olarak hazırlanmış çok sayıda yazılım bulunmaktadır.

Ülkemizde ve dünyada sosyal bilimlerde en yaygın kullanılan nicel veri çözümleme programlarından biri SPSS’dir. SPSS’in nicel veri çözümlemede kullanımı ile ilgili Türkçe birçok kaynak bulunmaktadır. SPSS dışında BMDP, MATLAB, Minitab, SAS ve STATA gibi programlar da yaygın olarak veri çözümleme sürecinde kullanılmaktadır. Lisanslı olan bu programların kullanım kolaylığı ve müşteri hizmetleri kalitesi nedeniyle tercih edilmesi söz konusu olabilir. Öte yandan hem ücretsiz hem de açık kaynak kodlu yazılım ve programlama dilleri de bulunmaktadır. Bunlardan ADaMSoft, Dataplot, OpenEpi, PSSP, R, R Commander, ROTT, SOCR ve SOFA farklı işletim sistemleriyle uyumlu sürümlere sahiptir (WinDdÜofiwÜ Ns,E LM‹ MAC, Linux, Unix).

Nitel araştırmalarda veri çözümlemesi, nicel çözümlemelere göre çok daha kapsamlı ve yorucu bir sürece dönüşebilmektedir. Nitel araştırmalardaki artışa paralel olarak son yıllarda araştırmacıların iş yükünü önemli ölçüde azaltan yazılımlar yaygınlaşmaya başlamıştır. Öte yandan nitel verilerin kavramsal ve tematik  kodlamasının hala araştırmacı tarafından gerçekleştirilmesi gerekmektedir. Yapay zekâdaki gelişimlere paralel olarak nitel veri analizi programlarının da araştırmacıların işini daha da kolaylaştıracak biçimde evrim geçirmesi beklenmektedir.