Psikologlar Davranışı Anlamak İçin Betimsel, İlişkisel ve Deneysel Araştırma Tasarımlarını Kullanırlar
Psikologlar, insan davranışları hakkındaki fikir ve teorilerinin ciddiye alınması için bunların verilerle desteklenmesi gerektiği konusunda hemfikirdir. Bununla birlikte, farklı psikologların araştırmaları farklı hedefler göz önünde bulundurularak tasarlanır ve farklı hedefler farklı yaklaşımlar gerektirir. Aşağıdaki tablo "Üç Araştırma Tasarımının Özellikleri"nde özetlenen bu farklı yaklaşımlar araştırma tasarımları olarak bilinir. Araştırma tasarımı, bir araştırmacının veri toplamak, analiz etmek ve yorumlamak için kullandığı belirli bir yöntemdir. Psikologlar araştırmalarında üç ana araştırma tasarımı türü kullanırlar ve her biri bilimsel inceleme için önemli bir yol sağlar. Tanımlayıcı araştırma, mevcut durumun anlık bir görüntüsünü sağlamak üzere tasarlanmış araştırmadır. Korelasyonel araştırma, değişkenler arasındaki ilişkileri keşfetmek ve mevcut bilgilerden gelecekteki olayların tahmin edilmesini sağlamak için tasarlanmış araştırmadır. Deneysel araştırma, birden fazla gruptaki araştırma katılımcıları arasında başlangıçta denklik yaratıldığı, ardından bu gruplar için belirli bir deneyimin manipüle edildiği ve manipülasyonun etkisinin ölçüldüğü araştırmadır. Üç araştırma tasarımının her biri güçlü yönleri ve sınırlamalarına göre değişir ve her birinin nasıl farklılaştığını anlamak önemlidir.
Tablo; Üç Araştırma Tasarımının Özellikleri
| Araştırma tasarımı | Hedef | Avantajlar | Dezavantajlar |
| Tanımlayıcı | Mevcut durumun anlık bir görüntüsünü oluşturmak için | Belirli bir zamanda neler olup bittiğine dair nispeten eksiksiz bir resim sunar. Daha ileri çalışmalar için soruların geliştirilmesine olanak sağlar. | Değişkenler arasındaki ilişkileri değerlendirmez. Katılımcılar gözlemlendiklerini bilmiyorlarsa etik olmayabilir. |
| Korelasyonel | İki veya daha fazla değişken arasındaki ve değişkenler arasındaki ilişkileri değerlendirmek | Değişkenler arasında ve değişkenler arasında beklenen ilişkilerin test edilmesine ve tahminlerde bulunulmasına olanak sağlar. Bu ilişkileri günlük yaşam olaylarında değerlendirebilir. | Değişkenler arasındaki ve değişkenler arasındaki nedensel ilişkiler hakkında çıkarımlar yapmak için kullanılamaz. |
| Deneysel | Bir veya daha fazla deneysel manipülasyonun bağımlı değişken üzerindeki nedensel etkisini değerlendirmek için | Değişkenler arasındaki nedensel ilişkiler hakkında sonuçlar çıkarılmasını sağlar. | Birçok önemli değişkeni deneysel olarak manipüle edemez. Pahalı ve zaman alıcı olabilir. |
Tanımlayıcı Araştırma: Mevcut Durumun Değerlendirilmesi
Betimleyici araştırma, bireylerin mevcut düşünce, duygu veya davranışlarının anlık bir görüntüsünü oluşturmak için tasarlanmıştır. Bu bölümde üç tür betimsel araştırma incelenmektedir: vaka çalışmaları, anketler ve doğal gözlem.
Bazen tanımlayıcı bir araştırma projesindeki veriler yalnızca küçük bir birey grubuna, genellikle yalnızca bir kişiye veya tek bir küçük gruba dayanır. Bu araştırma tasarımları, bir veya daha fazla bireyin deneyim ve davranışlarının betimleyici kayıtları olan vaka çalışmaları olarak bilinir. Bazen vaka çalışmaları, -gelişim psikoloğu Jean Piaget'nin bilişsel gelişim aşaması teorisini geliştirmek için kendi çocuklarını gözlemlemesinde olduğu gibi- sıradan bireyleri içerir. Daha sık olarak, vaka çalışmaları olağandışı veya anormal deneyimleri veya özellikleri olan veya kendilerini özellikle zor veya stresli durumlarda bulan bireyler üzerinde yapılır. Varsayıma göre, sosyal olarak marjinal olan, alışılmadık durumlar yaşayan ya da hayatlarında zor bir dönemden geçen bireyleri dikkatle inceleyerek insan doğası hakkında bir şeyler öğrenebiliriz.
Sigmund Freud, temel psikolojik süreçler hakkında sonuçlar çıkarmak için bireylerin psikolojik zorluklarını kullanma konusunda bir ustaydı. Freud, en ilginç hastalarından bazılarının vaka incelemelerini yazmış ve bu dikkatli incelemeleri önemli kişilik teorilerini geliştirmek için kullanmıştır. Klasik örneklerden biri, Freud'un "Küçük Hans" olarak tanımladığı, psikanalistin at korkusunu bastırılmış cinsel dürtüler ve Oedipus kompleksi açısından yorumladığı çocuktur (Freud (1909/1964).
Gazetelerde ve internette yayınlanan siyasi anketler, bir nüfusun muhtemel oy verme davranışının anlık görüntülerini sağlayan tanımlayıcı araştırma tasarımlarıdır. [Michael Stillwell – CC BY-SA 2.0]Bir başka iyi bilinen vaka çalışması da, bir kazada kafatasına demiryolu çivisi saplandıktan sonra düşünceleri ve duyguları bilişsel psikologlar tarafından kapsamlı bir şekilde incelenen Phineas Gage'dir. Her ne kadar bu vaka çalışmasının yorumlanmasıyla ilgili soru işaretleri olsa da (Kotowicz, 2007), beynin ön lobunun duygu ve ahlakla ilgili olduğuna dair erken kanıtlar sağlamıştır (Damasio ve ark., 2005). Klinik psikolojide ilginç bir vaka çalışması örneği Rokeach (1964) tarafından tanımlanmıştır. Rokeach, hepsi de İsa Mesih olduklarına inanan üç şizofreni hastasının inançlarını ve etkileşimlerini ayrıntılı olarak incelemiştir.
Diğer durumlarda, betimleyici araştırma projelerinden elde edilen veriler, -ilgilenilen insanlardan oluşan bir örneklemin inanç veya davranışlarının bir resmini elde etmek için bir görüşme veya yazılı bir anket yoluyla uygulanan bir ölçüm olan- anket şeklinde gelir. Araştırmaya katılmak üzere seçilen kişiler (örneklem olarak bilinir), araştırmacının hakkında bilgi sahibi olmak istediği tüm kişileri (evren) temsil edecek şekilde seçilir. Örneğin seçim anketlerinde, yaklaşan seçimlerdeki tüm "muhtemel seçmenler" popülasyonundan bir örneklem alınır.
Anketlerin sonuçları bazen "On doktordan dokuzu Tymenocin'i tercih ediyor" veya "Montgomery County'deki medyan gelir 36.712 dolar" gibi oldukça sıradan olabilir. Ancak diğer zamanlarda (özellikle sosyal davranış tartışmalarında) sonuçlar şok edici olabilir: "Amerika Birleşik Devletleri'nde her yıl 40.000'den fazla kişi silahla vurularak öldürülüyor" veya "50-60 yaş arası kadınların %60'ından fazlası depresyondan muzdarip." Tanımlayıcı araştırmalar psikologlar tarafından psikolojik bozuklukların yaygınlığı (veya görülme sıklığı) hakkında bir tahmin elde etmek için sıklıkla kullanılır.
Doğal gözlem olarak bilinen son bir tanımlayıcı araştırma türü, günlük olayların gözlemlenmesine dayanan araştırmalardır. Örneğin, bir oyun parkında çocukları izleyen ve oyun oynarken birbirlerine ne söylediklerini tanımlayan bir gelişim psikoloğu, hayvanları doğal ortamlarında gözlemleyen bir biyopsikolog gibi betimleyici bir araştırma yürütmektedir. Gözlemsel araştırmanın bir örneği, yetişkinlerin ve küçük çocukların nasıl etkileşime girdiğini anlamak için kullanılan ve garip durum olarak bilinen sistematik bir prosedürü içerir. Garip durumda toplanan veriler, Aşağıdaki tablolarda "Garip Durumda Çocuğun ve Annenin Davranışını Değerlendirmek için Kullanılan Örnek Kodlama Formu"nda gösterildiği gibi bir kodlama kağıdında sistematik olarak kodlanır.
Tablo; Çocuğun ve Annenin Garip Durumdaki Davranışlarını Değerlendirmek İçin Kullanılan Kodlama Formu Örneği
Kodlayıcı adı: Olive
| Bölüm | Yakınlık | İletişim | Direnç | Kaçınma |
| Anne ve bebek yalnız oynuyor | 1 | 1 | 1 | 1 |
| Anne bebeğini yere bırakıyor | 4 | 1 | 1 | 1 |
| Yabancı odaya girer | 1 | 2 | 3 | 1 |
| Anne odayı terk ediyor; yabancı bebekle oynuyor | 1 | 3 | 1 | 1 |
| Anne tekrar içeri girer, bebeği selamlar ve rahatlatabilir, sonra tekrar ayrılır | 4 | 2 | 1 | 2 |
| Yabancı, bebekle oynamaya çalışıyor | 1 | 3 | 1 | 1 |
| Anne tekrar girer ve bebeği alır | 6 | 6 | 1 | 2 |
| Yakınlık | Bebek yetişkine doğru hareket eder, onu kavrar veya üzerine tırmanır. |
| Temasın sürdürülmesi | Bebek ağlayarak veya tekrar yukarı tırmanmaya çalışarak yetişkin tarafından yere bırakılmaya direnir. |
| Direnç | Bebek yetişkinin kucağından indirilmek için iter, vurur veya kıvranır. |
| Kaçınma | Bebek arkasını döner veya yetişkinden uzaklaşır. |
Tanımlayıcı araştırma projelerinin sonuçları, ölçülen bir değişkene ilişkin puanların dağılımını özetleyen sayılar olan tanımlayıcı istatistikler kullanılarak analiz edilir. Çoğu değişken Aşağıdaki şekilde "Yükseklik Dağılımı"nda gösterilene benzer dağılımlara sahiptir; puanların çoğu dağılımın merkezine yakın bir yerde bulunur ve dağılım simetrik ve çan şeklindedir. Çan şeklindeki bir veri dağılımı normal dağılım olarak bilinir.
Tablo; 25 Öğrenci için Boy Uzunluğu ve Aile Geliri
| Öğrenci adı | İnç cinsinden uzunluk | Dolar cinsinden aile geliri |
| Lauren | 62 | 48,000 |
| Courtnie | 62 | 57,000 |
| Leslie | 63 | 93,000 |
| Renee | 64 | 107,000 |
| Katherine | 64 | 110,000 |
| Jordan | 65 | 93,000 |
| Rabiah | 66 | 46,000 |
| Alina | 66 | 84,000 |
| Young Su | 67 | 68,000 |
| Martin | 67 | 49,000 |
| Hanzhu | 67 | 73,000 |
| Caitlin | 67 | 3,800,000 |
| Steven | 67 | 107,000 |
| Emily | 67 | 64,000 |
| Amy | 68 | 67,000 |
| Jonathan | 68 | 51,000 |
| Julian | 68 | 48,000 |
| Alissa | 68 | 93,000 |
| Christine | 69 | 93,000 |
| Candace | 69 | 111,000 |
| Xiaohua | 69 | 56,000 |
| Charlie | 70 | 94,000 |
| Timothy | 71 | 73,000 |
| Ariane | 72 | 70,000 |
| Logan | 72 | 44,000 |
Bir sınıftaki öğrencilerin boylarının dağılımı normal bir dağılım oluşturacaktır. Bu örneklemde ortalama (M) = 67.12 ve standart sapma (s) = 2.74'tür.Bir dağılım, merkezi eğilimi (yani dağılımda verilerin merkezde olduğu nokta) ve dağılımı veya yayılımı açısından tanımlanabilir. Aritmetik ortalama, merkezi eğilimin en yaygın kullanılan ölçüsüdür. Değişkenin tüm puanlarının toplamının hesaplanması ve bu toplamın dağılımdaki katılımcı sayısına (N harfi ile gösterilir) bölünmesi ile hesaplanır. Yukarıdaki şekil "Boy Dağılımı"nda sunulan verilerde, öğrencilerin boy ortalaması 67,12 inçtir. Örneklem ortalaması genellikle M harfi ile gösterilir.
Ancak bazı durumlarda veri dağılımı simetrik değildir. Bu durum, dağılımın bir ucunda bir veya daha fazla uç puan (aykırı değerler olarak bilinir) olduğunda ortaya çıkar. Örneğin, bir aykırı değer (3.800.000 $ değer) içeren aile geliri değişkenini (bkz. Aşağıdaki şekil "Aile Gelir Dağılımı") ele alalım. Bu durumda ortalama, merkezi eğilimin iyi bir ölçüsü değildir. Aşağıdaki şekil "Aile Gelir Dağılımı"ndan aile geliri değişkeninin merkezi eğiliminin 70.000 $ civarında olması gerektiği görülse de, ortalama aile geliri aslında 223.960 $'dır. Tek bir çok uç gelirin ortalama üzerinde orantısız bir etkisi vardır ve bu da merkezi eğilimi iyi temsil etmeyen bir değerle sonuçlanır.
Medyan, dağılımlar simetrik olmadığında alternatif bir merkezi eğilim ölçüsü olarak kullanılır. Medyan, dağılımın ortasındaki puandır, yani puanların %50'si medyandan büyük ve %50'si medyandan küçüktür. Bizim durumumuzda, medyan hane geliri (73.000 $), ortalama hane gelirine (223.960 $) göre merkezi eğilimin çok daha iyi bir göstergesidir.
Şekil; Aile Gelir Dağılımı
Aile gelirlerinin dağılımının simetrik olmaması muhtemeldir çünkü bazı gelirler çoğu gelire kıyasla çok büyük olabilir. Bu durumda medyan veya mod, ortalamadan daha iyi bir merkezi eğilim göstergesidir.Mod olarak bilinen son bir merkezi eğilim ölçüsü, dağılımda en sık ortaya çıkan değeri temsil eder. Yukarıdaki şekil "Aile Gelir Dağılımı"ndan aile geliri değişkeni için modun 93.000 $ olduğunu görebilirsiniz (dört kez görülür).
Tanımlayıcı istatistikler, bir dağılımın merkezi eğilimini özetlemenin yanı sıra, değişken puanlarının merkezi eğilim etrafında nasıl yayıldığı hakkında bilgi verir. Dağılım, tüm puanların merkezi eğilim etrafında ne ölçüde sıkı bir şekilde kümelendiğini ifade eder:
Ya da bunun gibi daha uzağa yayılmış olabilirler:
Basit bir yayılma ölçüsü, değişkenin en büyük (en yüksek) ve en küçük (en düşük) gözlemlenen değerlerini bulmak ve değişkenin aralığını, maksimum gözlemlenen değeri minimum gözlemlenen değerinden çıkararak hesaplamaktır. Yukarıdaki Uzunluk dağılımı şekilinde yükseklik değişkeninin aralığının 72 - 62 = 10 olduğunu kontrol edebilirsiniz. S olarak sembolize edilen standart sapma, en yaygın kullanılan dağılım ölçüsüdür. Daha büyük standart sapmaya sahip dağılımlar daha fazla yayılmaya sahiptir. Boy değişkeninin standart sapması s = 2,74 ve aile geliri değişkeninin standart sapması s = 745.337 $'dır.
Tanımlayıcı araştırmanın bir avantajı, günlük davranışların karmaşıklığını yakalamaya çalışmasıdır. Vaka çalışmaları tek bir kişi veya küçük bir grup insan hakkında ayrıntılı bilgi sağlar, anketler büyük bir insan nüfusunun düşüncelerini veya rapor edilen davranışlarını yakalar ve doğal gözlem, insanların veya hayvanların davranışlarını doğal olarak meydana geldiği gibi nesnel olarak kaydeder. Bu nedenle betimleyici araştırma, halihazırda neler olup bittiğinin nispeten eksiksiz bir şekilde anlaşılmasını sağlamak için kullanılır.
Bu avantajlara rağmen, betimleyici araştırmanın belirgin bir dezavantajı vardır; o anda neler olduğuna dair bir fikir edinmemizi sağlasa da, genellikle statik resimlerle sınırlıdır. Belirli deneyimlere ilişkin açıklamalar ilginç olsa da, bunlar her zaman başka durumlardaki başka bireylere aktarılamaz ve bize belirli davranışların veya olayların tam olarak neden meydana geldiğini söylemez. Örneğin, savaş veya deprem gibi stresli bir olaya maruz kalmış bireylerin tasvirleri, bireylerin olaya verdikleri tepkileri anlamak için kullanılabilir ancak stresin uzun vadeli etkileri hakkında bize bir şey söyleyemez. Stresli durumu yaşamamış bir karşılaştırma grubu olmadığı için, bu kişiler stresli deneyimi yaşamamış olsalardı nasıl olacaklarını bilemeyiz.
Korelasyonel Araştırma: Değişkenler Arasında İlişki Aramak
Öncelikle statik resimler sağlamak üzere tasarlanan betimleyici araştırmanın aksine, korelasyonel araştırma iki veya daha fazla ilgili değişkenin ölçülmesini ve bu değişkenler arasındaki ilişkinin değerlendirilmesini içerir. Örneğin, boy ve kilo değişkenleri sistematik olarak ilişkilidir (korelasyonludur) çünkü uzun boylu insanlar genellikle kısa boylu insanlardan daha ağırdır. Aynı şekilde, çalışma süresi ve hafıza hataları da birbiriyle ilişkilidir, çünkü bir kişiye bir kelime listesini çalışması için ne kadar çok zaman verilirse, o kadar az hata yapacaktır. Araştırma tasarımında iki değişken olduğunda, bunlardan biri yordayıcı değişken, diğeri ise sonuç değişkeni olarak adlandırılır. Araştırma tasarımı şu şekilde görselleştirilebilir; burada ok iki değişken arasında beklenen korelasyonu temsil etmektedir:
İki değişkenli korelasyonel bir çalışmadan elde edilen verileri düzenlemenin bir yolu, ölçülen değişkenlerin her birinin değerlerini bir dağılım grafiği kullanarak çizmektir. Aşağıdaki şekil "Dağılım Grafiği Örnekleri" bölümünde görebileceğiniz gibi, dağılım grafiği iki değişken arasındaki ilişkinin görsel bir görüntüsüdür. Her birey için iki değişkene ilişkin puanlarının kesiştiği bir nokta çizilir. Dağılım grafiğindeki değişkenler arasındaki ilişki, Aşağıdaki şekil "Dağılım Grafiği Örnekleri"nin (a) ve (b) kısımlarında olduğu gibi düz bir çizgi ile kolayca yaklaştırılabiliyorsa, değişkenlerin doğrusal bir ilişkiye sahip olduğu söylenir.
Düz çizgi, (a) bölümünde olduğu gibi, bir değişken için ortalamanın üzerinde değerlere sahip olan bireylerin diğer değişken için de ortalamanın üzerinde değerlere sahip olma eğiliminde olduğunu gösteriyorsa, ilişkinin pozitif doğrusal olduğu söylenir. Pozitif doğrusal ilişkilere örnek olarak boy ve kilo arasındaki, eğitim ve gelir arasındaki ve çocuklarda yaş ve matematiksel yetenekler arasındaki ilişkiler verilebilir. Her iki durumda da değişkenlerden birinde daha yüksek puan alan kişiler diğer değişkende de daha yüksek puan alma eğilimindedir. Bunun aksine, (b) bölümünde gösterildiği gibi negatif doğrusal ilişkiler, bir değişken için ortalamanın üzerindeki değerlerin diğer değişken için ortalamanın altındaki değerlerle ilişkili olma eğiliminde olduğu durumlarda ortaya çıkar. Negatif doğrusal ilişkilere örnek olarak, bir çocuğun yaşı ile kullandığı çocuk bezi sayısı arasındaki ve bir öğrenme görevinde yapılan alıştırma ile hatalar arasındaki ilişkiler verilebilir. Bu durumlarda, değişkenlerden birinde daha yüksek puan alan kişiler diğer değişkende daha düşük puan alma eğilimindedir.
Düz bir çizgi ile tanımlanamayan değişkenler arasındaki ilişkiler doğrusal olmayan ilişkiler olarak bilinir. Aşağıdaki şekil "Dağılım Grafiği Örnekleri"nin (c) kısmı, noktaların dağılımının esasen rastgele olduğu yaygın bir modeli göstermektedir. Bu durumda iki değişken arasında hiçbir ilişki yoktur ve bağımsız oldukları söylenir. Aşağıdaki şekil "Dağılım Grafiği Örnekleri"nin (d) ve (e) kısımları, bir ilişki olmasına rağmen noktaların tek bir düz çizgi ile iyi bir şekilde tanımlanmadığı ilişki modellerini göstermektedir. Örneğin, (d) bölümü kaygı ve performans arasında sıklıkla ortaya çıkan ilişki türünü göstermektedir. Düşük seviyeden orta seviyeye doğru kaygıdaki artışlar performanstaki artışlarla ilişkiliyken, orta seviyeden yüksek seviyeye doğru kaygıdaki artışlar performanstaki düşüşlerle ilişkilidir. Yön değiştiren ve bu nedenle tek bir düz çizgi ile tanımlanmayan ilişkilere eğrisel ilişkiler denir.
Şekil; Dağılım Grafiği Örnekleri
Dağılım grafiklerinde gösterildiği gibi iki değişken arasındaki ilişkilere bazı örnekler. Eğrisel ilişkilere sahip değişkenler arasındaki Pearson korelasyon katsayısının (r) muhtemelen sıfıra yakın olacağını unutmayın. [Stangor, C. (2011)'den uyarlanmıştır. Research methods for the behavioral sciences (4. baskı). Mountain View, CA: Cengage.]Değişkenler arasındaki doğrusal ilişkilerin gücünün en yaygın istatistiksel ölçüsü, r harfi ile sembolize edilen Pearson korelasyon katsayısıdır. Korelasyon katsayısının değeri r = -1.00 ile r = +1.00 arasında değişir. Doğrusal ilişkinin yönü korelasyon katsayısının işareti ile gösterilir. Pozitif r değerleri (r = .54 veya r = .67 gibi) ilişkinin pozitif doğrusal olduğunu (yani, dağılım grafiğindeki noktaların deseni sol alttan sağ üste doğru ilerler) gösterirken, negatif r değerleri (r = -.30 veya r = -.72 gibi) negatif doğrusal ilişkileri (yani, noktalar sol üstten sağ alta doğru ilerler) gösterir. Doğrusal ilişkinin gücü, korelasyon katsayısının sıfırdan uzaklığı (mutlak değeri) ile gösterilir. Örneğin, r = -.54, r = .30'dan daha güçlü bir ilişkidir ve r = .72, r = -.57'den daha güçlü bir ilişkidir. Pearson korelasyon katsayısı yalnızca doğrusal ilişkileri ölçtüğünden, eğrisel ilişkilere sahip değişkenler r ile iyi tanımlanamaz ve gözlemlenen korelasyon sıfıra yakın olacaktır.
Aynı anda ikiden fazla ölçüm arasındaki ilişkileri incelemek de mümkündür. Tek bir sonuç değişkenini tahmin etmek için birden fazla yordayıcı değişkenin kullanıldığı bir araştırma tasarımı çoklu regresyon yoluyla analiz edilir (Aiken & West, 1991). Çoklu regresyon, değişkenler arasındaki korelasyon katsayılarına dayanan ve birden fazla yordayıcı değişkenden tek bir sonuç değişkeninin tahmin edilmesini sağlayan istatistiksel bir tekniktir. Örneğin, Aşağıdaki şekil "Üç Yordayıcı Değişkenden İş Performansının Tahmini" tek bir sonucu tahmin etmek için üç yordayıcı değişkenin kullanıldığı bir çoklu regresyon analizini göstermektedir. Çoklu regresyon analizinin kullanımı, korelasyonel araştırma tasarımlarının önemli bir avantajını göstermektedir - diğer değişkenlerin bilgisine dayanarak bir kişinin bir sonuç değişkenindeki (örneğin, iş performansı) olası puanı hakkında tahminler yapmak için kullanılabilirler.
Şekil; Üç Yordayıcı Değişkenden İş Performansının Tahmini
Çoklu regresyon, bilim insanlarının birden fazla yordayıcı değişken kullanarak tek bir sonuç değişkenine ilişkin puanları tahmin etmesine olanak tanır.Korelasyonel araştırma tasarımlarının önemli bir sınırlaması, ölçülen değişkenler arasındaki nedensel ilişkiler hakkında sonuçlar çıkarmak için kullanılamamasıdır. Örneğin, şiddet içeren davranışları izlemenin çocuklarda saldırgan oyunların artmasına neden olacağı hipotezini ortaya atan bir araştırmacıyı düşünün. Dördüncü sınıf çocuklarından oluşan bir örneklemden, her çocuğun hafta boyunca kaç tane şiddet içerikli televizyon programı izlediğinin yanı sıra her çocuğun okul bahçesinde ne kadar agresif oynadığının bir ölçüsünü toplamıştır. Araştırmacı, topladığı verilerden, ölçülen iki değişken arasında pozitif bir korelasyon olduğunu keşfetmiştir.
Bu pozitif korelasyon araştırmacının hipotezini destekliyor gibi görünse de, şiddet içeren televizyon izlemenin saldırgan davranışlara neden olduğunu göstermez. Her ne kadar araştırmacı şiddet içeren televizyon izlemenin agresif oyuna neden olduğunu varsayma eğiliminde olsa da, başka olasılıklar da var.
Alternatif bir olasılık, nedensel yönün varsayılanın tam tersi olmasıdır. Belki de okulda agresif davranan çocuklar, evde şiddet içeren televizyon programlarını izlemek istemelerine yol açan artık bir heyecan geliştiriyorlardır:
Bu olasılık daha az muhtemel görünse de, gözlemlenen bu korelasyona dayanarak böyle bir ters nedensellik olasılığını dışlamanın bir yolu yoktur. Her iki nedensel yönün de işliyor olması ve iki değişkenin birbirine neden olması da mümkündür:
Gözlemlenen korelasyonun bir başka olası açıklaması da, ortak nedensel bir değişkenin (üçüncü bir değişken olarak da bilinir) varlığıyla ortaya çıkmış olmasıdır. Ortak nedensel değişken, araştırma hipotezinin bir parçası olmayan ancak hem yordayıcı hem de sonuç değişkenine neden olan ve böylece aralarında gözlemlenen korelasyonu üreten bir değişkendir. Örneğimizde potansiyel bir ortak nedensel değişken, çocukların ebeveynlerinin disiplin tarzıdır. Sert ve cezalandırıcı bir disiplin tarzı kullanan ebeveynler, daha az sert disiplin kullanan ebeveynlerin çocuklarına kıyasla hem şiddet içeren televizyon izlemeyi seven hem de saldırgan davranan çocuklar üretebilir:
Bu durumda, televizyon izleme ve saldırgan oyun, her ikisi de ebeveynlerin disiplin tarzından (düz oklar) kaynaklansa da (aralarındaki kavisli okla gösterildiği gibi) pozitif olarak ilişkili olacaktır. Yordayıcı ve sonuç değişkenlerinin her ikisine de ortak bir nedensel değişken neden olduğunda, aralarındaki gözlemlenen ilişkinin sahte olduğu söylenir. Sahte ilişki, iki değişken arasında ortak nedensel bir değişkenin ilişkiyi ürettiği ve "açıkladığı" bir ilişkidir. Ortak nedensel değişkenin etkileri ortadan kaldırılırsa veya kontrol edilirse, tahmin edici ve sonuç değişkenleri arasındaki ilişki ortadan kalkacaktır. Örnekte saldırganlık ve televizyon izleme arasındaki ilişki sahte olabilir çünkü ebeveynlerin disiplin tarzının etkisi kontrol edildiğinde televizyon izleme ve saldırgan davranış arasındaki ilişki ortadan kalkabilir.
Korelasyonel araştırma tasarımlarındaki ortak nedensel değişkenler "gizemli" değişkenler olarak düşünülebilir, çünkü ölçülmedikleri için varlıkları ve kimlikleri genellikle araştırmacı tarafından bilinmemektedir. Hem yordayıcı hem de sonuç değişkenlerine neden olabilecek her değişkeni ölçmek mümkün olmadığından, bilinmeyen bir ortak nedensel değişkenin varlığı her zaman bir olasılıktır. Bu nedenle, korelasyonel araştırmanın temel sınırlamasıyla baş başa kalıyoruz: Korelasyon nedenselliği göstermez. Korelasyonel araştırma projelerini okuduğunuzda, sahte ilişki olasılığını aklınızda tutmanız ve bulguları uygun şekilde yorumladığınızdan emin olmanız önemlidir. Her ne kadar korelasyonel araştırmalar bazen ters nedensellik veya ortak nedensel değişkenler olasılığından hiç bahsedilmeden nedenselliği gösterdiği şeklinde rapor edilse de, sizin gibi bilinçli araştırma tüketicileri bu yorumsal sorunların farkındadır.
Özetle, korelasyonel araştırma tasarımlarının hem güçlü yönleri hem de sınırlamaları vardır. Güçlü yanlarından biri, yordayıcı değişkenler manipüle edilemediği için deneysel araştırmanın mümkün olmadığı durumlarda kullanılabilmeleridir. Korelasyonel tasarımlar, araştırmacının davranışı günlük hayatta olduğu gibi incelemesine olanak tanıma avantajına da sahiptir. Ayrıca, korelasyonel tasarımları tahminlerde bulunmak için de kullanabiliriz - örneğin, test bataryalarındaki puanlara bakarak bir eğitim oturumu sırasında stajyerlerin başarısını tahmin etmek gibi. Ancak bu tür korelasyonel bilgileri, eğitimin daha iyi iş performansına neden olup olmadığını belirlemek için kullanamayız. Bunun için araştırmacılar deneylere güveniyor.
Deneysel Araştırma: Davranışın Nedenlerini Anlamak
Deneysel araştırma tasarımının amacı, araştırma hipotezindeki değişkenler arasındaki nedensel ilişkiler hakkında korelasyonel tasarımlardan elde edilenden daha kesin sonuçlar sağlamaktır. Deneysel bir araştırma tasarımında, ilgilenilen değişkenler bağımsız değişken (veya değişkenler) ve bağımlı değişken olarak adlandırılır. Bir deneydeki bağımsız değişken, deneyci tarafından yaratılan (manipüle edilen) neden olan değişkendir. Bir deneydeki bağımlı değişken, deneysel manipülasyondan etkilenmesi beklenen ölçülmüş bir değişkendir. Araştırma hipotezi, manipüle edilen bağımsız değişken veya değişkenlerin ölçülen bağımlı değişkenlerde değişikliklere neden olacağını öne sürer. Araştırma hipotezini tek bir yönü işaret eden bir ok kullanarak şemalaştırabiliriz. Bu, nedenselliğin beklenen yönünü gösterir:
| Araştırma Odağı: Video Oyunları ve Saldırganlık |
| Anderson ve Dill (2000) tarafından yürütülen bir deneyi ele alalım. Çalışma, şiddet içeren video oyunlarını izlemenin saldırgan davranışları artıracağı hipotezini test etmek üzere tasarlanmıştır. Bu araştırmada, Iowa Eyalet Üniversitesi’nden erkek ve kadın lisans öğrencilerine şiddet içeren bir video oyunu (Wolfenstein 3D) ya da şiddet içermeyen bir video oyunu (Myst) ile oynama şansı verilmiştir. Deneysel oturum sırasında katılımcılar kendilerine verilen video oyunlarını 15 dakika boyunca oynamışlardır. Ardından, oyunun ardından her katılımcı, rakibiyle rekabetçi bir oyun oynadı. Katılımcı, rakibinin kulaklıklarından beyaz gürültü patlamaları gönderebilirdi. Bağımlı değişkenin (saldırgan davranış) operasyonel tanımı, rakibe verilen gürültünün seviyesi ve süresiydi. Deneyin tasarımı Aşağıdaki şekil “Deneysel Araştırma Tasarımı”nda gösterilmektedir. Deneysel tasarımların çok güzel iki özelliği vardır. Birincisi, bağımsız değişkenin bağımlı değişkenin ölçümünden önce gerçekleşmesini garanti ederler. Bu da ters nedensellik olasılığını ortadan kaldırmaktadır. İkinci olarak, manipülasyon gerçekleşmeden önce her bir deney koşulundaki katılımcılar arasında başlangıçta denklik oluşturularak ortak nedensel değişkenlerin etkisi kontrol edilir ve böylece ortadan kaldırılır. Deneysel koşullar arasında denklik yaratmanın en yaygın yöntemi, her katılımcının atandığı koşulun bir zarftan sayı çekmek veya rastgele bir sayı tablosu kullanmak gibi rastgele bir süreçle belirlendiği bir prosedür olan koşullara rastgele atamadır. Anderson ve Dill ilk olarak her iki gruba (Grup A ve Grup B) yaklaşık 100 katılımcıyı rastgele atamıştır. Koşullara rastgele atama yöntemini kullandıkları için, deneysel manipülasyon gerçekleşmeden önce, A Grubundaki öğrencilerin, ebeveyn disiplin tarzı, akran ilişkileri, hormon seviyeleri, diyet gibi saldırganlıkla ilişkili olması muhtemel değişkenler de dahil olmak üzere, mümkün olan her değişken açısından B Grubundaki öğrencilerle ortalama olarak eşdeğer olduklarından emin olabilirlerdi. Anderson ve Dill, başlangıçtaki denkliği sağladıktan sonra deneysel manipülasyonu yaratmışlardır: A grubundaki katılımcılara şiddet içeren oyunu, B grubundaki katılımcılara ise şiddet içermeyen oyunu oynatmışlardır. Daha sonra bağımlı değişkeni (beyaz gürültü patlamaları) iki grup arasında karşılaştırmışlar ve şiddet içeren video oyununu izleyen öğrencilerin, şiddet içermeyen oyunu oynayan öğrencilere göre önemli ölçüde daha uzun gürültü patlamaları yaptıklarını bulmuşlardır. Anderson ve Dill en başından itibaren gruplar arasında başlangıçta bir denklik yaratmıştır. Bu başlangıçtaki denklik, deneysel manipülasyondan sonra iki grup arasındaki beyaz gürültü seviyelerinde farklılıklar gözlemlemelerini sağlamış ve bu farklılıklara neden olanın bağımsız değişken (başka bir değişken değil) olduğu sonucuna varmalarına yol açmıştır. Buradaki fikir, iki gruptaki öğrenciler arasında farklı olan tek şeyin oynadıkları video oyunu olduğudur. |
Şekil; Deneysel Bir Araştırma Tasarımı
Deneysel araştırma tasarımının iki avantajı (1) bağımsız değişkenin (deneysel manipülasyon olarak da bilinir) ölçülen bağımlı değişkenden önce gerçekleştiğinin garanti edilmesi ve (2) deney koşulları arasında başlangıç denkliğinin oluşturulmasıdır (bu durumda koşullara rastgele atama kullanılarak).Nedenselliği belirleme avantajına rağmen, deneylerin sınırlamaları vardır. Bunlardan biri, deneylerin genellikle insanların günlük yaşamlarından ziyade laboratuvar ortamında gerçekleştirilmesidir. Bu nedenle, laboratuvar ortamında elde ettiğimiz sonuçların günlük yaşamda da geçerli olup olmayacağını bilmiyoruz. İkincisi ve daha önemlisi, en ilginç ve kilit sosyal değişkenlerden bazılarının deneysel olarak manipüle edilememesidir. Bir çetenin büyüklüğünün davranışlarının yıkıcılığı üzerindeki etkisini incelemek ya da intihar tarikatlarına katılan insanların kişilik özelliklerini bu tür tarikatlara katılmayan insanlarınkiyle karşılaştırmak istiyorsak, bu ilişkiler korelasyonel tasarımlar kullanılarak değerlendirilmelidir, çünkü bu değişkenleri deneysel olarak manipüle etmek mümkün değildir.
| Önemli Çıkarımlar |
| -Veri toplamak ve analiz etmek için tanımlayıcı, korelasyonel ve deneysel araştırma tasarımları kullanılır. -Tanımlayıcı tasarımlar vaka çalışmalarını, anketleri ve doğal gözlemleri içerir. Bu tasarımların amacı, belirli bir grup insandaki mevcut düşünce, duygu veya davranışların bir resmini elde etmektir. Tanımlayıcı araştırmalar, tanımlayıcı istatistikler kullanılarak özetlenir. -Korelasyonel araştırma tasarımları iki veya daha fazla ilgili değişkeni ölçer ve aralarındaki bir ilişkiyi değerlendirir. Değişkenler, ilişkileri görsel olarak göstermek için bir dağılım grafiği üzerinde sunulabilir. Pearson Korelasyon Katsayısı (r), iki değişken arasındaki doğrusal ilişkinin gücünün bir ölçüsüdür. -Ortak nedensel değişkenler, korelasyonel bir tasarımda hem yordayıcı hem de sonuç değişkenine neden olarak sahte bir ilişki üretebilir. Ortak nedensel değişkenlerin olasılığı, korelasyonel araştırma tasarımlarından nedensel sonuçlar çıkarmayı imkansız hale getirmektedir. -Deneysel araştırma, bağımsız bir değişkenin manipülasyonunu ve bağımlı bir değişkenin ölçümünü içerir. Koşullara rastgele atama normalde gruplar arasında başlangıçta denklik yaratmak için kullanılır ve araştırmacıların nedensel sonuçlar çıkarmasına olanak tanır. |
| Alıştırmalar ve Eleştirel Düşünme |
| 1. Bir öğrencinin büyük bir sınıfta oturduğu sıra (sıralar önden arkaya doğru numaralandırıldığında) ile sınıftaki son notu arasında negatif bir korelasyon vardır. Sizce bu nedensel bir ilişkiyi mi yoksa sahte bir ilişkiyi mi temsil ediyor ve neden? 2. Korelasyonlu olması muhtemel, ancak korelasyonun muhtemelen sahte olduğu iki değişken düşünün (bu kitapta bahsedilenler dışında). Bu ilişkiyi yaratan muhtemel ortak-nedensel değişken nedir? 3. Bir araştırmacının psikoterapiye katılmanın bildirilen kaygıda azalmaya neden olacağı hipotezini test etmek istediğini düşünün. Araştırmacının bu sonuca ulaşmak için kullanabileceği araştırma tasarımı türünü açıklayınız. Araştırmadaki bağımsız ve bağımlı değişkenler ne olurdu? |
Yorumlar
Yorum Gönder