İçeriğe atla
Arama sonuçlarına dön

Açıklayıcı Araştırma — Açıklayıcı Araştırma Tasarımı

Ortaya koyan
Formalized by Earl Babbie and Fred Kerlinger among others
Yıl
1960s–1980s (codified in behavioral and social science methodology)
Tür
Non-experimental quantitative research design
Aile
Survey / observational design

Bu metin makine çevirisidir ve henüz incelenmedi. Asıl metni İngilizce oku

Yazı boyutu

Ne işe yarar?

Açıklayıcı araştırma, bir olguyu tanımlamanın ötesine geçerek, gözlemlenen örüntülere açıklama getiren ilişkileri veya mekanizmaları inceleyerek neden meydana geldiğini belirlemeye odaklanan, deneysel olmayan nicel bir araştırma tasarımıdır.

Pozitivist sosyal bilim metodolojisine dayanan bu yaklaşım, bu değişkenleri manipüle etmeden, belirli değişkenlerin bir sonuçtaki değişimi açıklayıp açıklamadığını test etmek için teori güdümlü hipotezler ve istatistiksel analiz kullanır.

Yöntemin mantığı

Betimsel araştırma 'ne oluyor?' sorusuna yanıt verirken, keşifsel araştırma 'ne oluyor olabilir?' diye soruyorsa, açıklayıcı araştırma 'neden oluyor?' diye sorar. Öğrenci motivasyonu ve akademik başarı arasındaki ilişkinin zaten kurulduğunu varsayın. Açıklayıcı araştırma daha ileri gider: motivasyonel bir teoriye dayanan bir hipotez formüle eder, önerilen açıklayıcı değişkenler (örneğin, öz-yeterlilik, hedef yönelimi, ebeveyn desteği) hakkında veri toplar ve bu değişkenlerin başarıdaki farklılıkları açıklayıp açıklamadığını istatistiksel olarak test eder. Amaç, yalnızca bir betimleme değil, bir açıklama - nedensel veya ilişkisel bir hesap - oluşturmak veya doğrulamaktır.

Tarih

Betimsel, keşifsel ve açıklayıcı araştırma amaçları arasındaki ayrım, 1960'lar ve 1980'ler boyunca sosyal bilim metodolojisi ders kitaplarında, özellikle Fred Kerlinger'in Foundations of Behavioral Research (1964, rev. 1986) ve Earl Babbie'nin The Practice of Social Research (ilk baskı 1975) adlı eserlerinde sistematikleştirilmiştir. Bu çalışmalar, açıklayıcı araştırmayı, araştırmacının neden örüntülerin var olduğuna dair teorik bir açıklama test ettiği, bilimsel sorgulamanın betimleme ve keşiften sonraki üçüncü ve en iddialı seviyesi olarak belirlemiştir. Bu çerçeve sosyoloji, psikoloji, eğitim ve yönetim araştırmalarında yaygın olarak benimsenmiş ve lisansüstü araştırma yöntemleri müfredatlarının merkezinde yer almaya devam etmektedir.

Ne zaman kullanılır?

Betimsel bir temel zaten mevcut olduğunda ve amaç gözlemlenen örüntülerin neden veya nasıl ortaya çıktığını anlamak olduğunda — yalnızca belgelemenin ötesinde belirli teorik açıklamaları test etmek için — açıklayıcı araştırma kullanın. Rastgele deneylerin pratik olmadığı veya etik olmadığı ve istatistiksel kontrolün deneysel manipülasyonun yerini alabileceği durumlar için uygundur. Örneklem büyüklüklerinin çok değişkenli analiz için yeterli olduğu ve açıklayıcı yapıların doğrulanmış ölçümlerinin mevcut olduğu durumlarda uygundur. Fenomenin henüz güvenilir bir teori bulunmayacak kadar az anlaşıldığı (bunun yerine keşifsel araştırma kullanın), örneklem büyüklüklerinin amaçlanan istatistiksel model için çok küçük olduğu veya araştırma sorusunun yalnızca kontrollü bir deneyin sağlayabileceği nedensel bir kanıt gerektirdiği durumlarda açıklayıcı araştırma kullanmayın.

Sınırlar ve dikkat edilmesi gerekenler

  • Rastgele atama olmadan, nedenselliği kesin olarak kuramaz — korelasyon ve istatistiksel kontrol, deneyin yerini tutmaz.
  • Kesitsel tasarımlar ters nedenselliği dışlayamaz veya nedensel çıkarım için gereken değişkenlerin zamansal sıralamasını belirleyemez.
  • Açıklayıcı güç, teorik çerçevenin kalitesine tamamen bağlıdır; yanlış belirtilmiş bir model, temiz verilerle bile yanıltıcı sonuçlar üretecektir.
  • Açıklayıcı değişkenlerdeki ölçüm hatası, regresyon katsayılarını zayıflatır ve gerçek ilişkilerin hafife alınmasına neden olabilir.

Kaynak metnin koşulları, bağımsız bilimsel inceleme veya analiz motoru doğrulaması yerine geçmez.

Güçlü yönleri

  • Araştırmayı betimlemenin ötesine taşıyarak olguların neden meydana geldiğine dair teorik olarak türetilmiş açıklamaları test eder.
  • Deneysel manipülasyonun pratik olmadığı, etik olmadığı veya imkansız olduğu bağlamlarda uygulanabilir.
  • Çok değişkenli istatistiksel kontroller, diğerlerini sabit tutarken birden çok açıklayıcı değişkenin incelenmesine olanak tanır.
  • Büyük, temsili örneklemlerle uyumludur, bu da açıklamayı tanımlanmış bir popülasyona genelleştirmeyi sağlar.
  • Kümülatif: bulgular, daha güçlü açıklayıcı modeller oluşturmak için meta-analiz yoluyla çalışmalar arasında entegre edilebilir.

Uygulama alanları

  • Önceden edinilmiş başarıyı kontrol ettikten sonra, öz-yeterlilik, görev değeri ve ebeveyn desteğinin birlikte öğrenci akademik başarısındaki varyansı açıklayıp açıklamadığını test etmek.
  • Hangi örgütsel faktörlerin (liderlik tarzı, iletişim iklimi, rol netliği) departmanlar arasındaki çalışan tükenmişlik oranlarındaki farklılıklara yol açtığını incelemek.
  • Hangi mahallelerin gıda erişimi, hava kalitesi ve sosyoekonomik yoksunluk gibi açıklayıcı değişkenleri test ederek daha yüksek kronik hastalık oranlarına sahip olduğunu araştırmak.
  • Ulusal bir anket veri setinde demografik, tutumsal ve yapısal öngörücüleri test ederek seçmen katılımına ilişkin rakip teorik açıklamaları değerlendirmek.
  • Eğitim yoğunluğu, toparlanma uygulamaları ve psikolojik hazırlığın rekabetçi sporcular arasındaki performans varyansını nasıl açıkladığına dair yolları analiz etmek.

Nasıl çalışır?

Nasıl çalışır?

1

Araştırmacı, açıklanması gereken bir olgu belirler ve neden meydana geldiğine dair spesifik, teoriye dayalı hipotezler türetir. Bu hipotezler, önceki literatüre veya yerleşik teorik çerçevelere dayanarak, hangi bağımsız değişkenlerin bağımlı değişkendeki değişimi ve hangi yönde açıklamasının beklendiğini belirtir.

2

Hipotezlerin uygun kontrollerle test edilmesini sağlayan bir araştırma tasarımı seçilir. Kesitsel anketler, ikincil veri kümeleri veya arşiv kayıtları yaygındır. Açıklayıcı araştırma tipik olarak deneysel olmadığı için, araştırmacı değişkenlerin açıklayıcı katkısını izole etmek amacıyla rastgele atama yerine istatistiksel kontroller (örneğin, regresyon, ANCOVA, yol analizi) kullanır.

3

Beklenen etki büyüklüklerini tespit etmek ve planlanan istatistiksel teknikleri desteklemek için yeterince büyük bir örneklemden veri toplanır. Ölçüm güvenilirliğini en üst düzeye çıkarmak için standartlaştırılmış araçlar, doğrulanmış ölçekler veya idari kayıtlar tercih edilir. Amaç, açıklamayı örneklemin ötesine genellemek olduğu için, örneklemin temsil edilebilirliği önemlidir.

4

Çıkarımsal istatistiksel yöntemler — regresyon analizi, yapısal eşitlik modellemesi, varyans analizi veya aracılık/moderatör analizi — hipotezlenmiş açıklayıcı değişkenlerin sonuçtaki anlamlı varyansı açıklayıp açıklamadığını test etmek için uygulanır. Anlamlılık testlerinin yanı sıra uyum iyiliği istatistikleri, etki büyüklükleri ve güven aralıkları raporlanır.

5

Sonuçlar, orijinal teorik çerçeve ışığında yorumlanır. Araştırmacı, kanıtların her bir hipotezi destekleyip desteklemediğini, kısmen destekleyip desteklemediğini veya çürüttüğünü değerlendirir, alternatif açıklamaları tartışır, kesitsel veya deneysel olmayan çıkarımın sınırlılıklarını kabul eder ve bulguları daha geniş literatürdeki yerini belirler.

Sık yapılan hatalar

  • Korelasyonel kanıtlardan nedensellik iddiası — açıklayıcı araştırma nedensel bir yoruma destek sağlayabilir ancak deneysel tasarım veya uygun zamansal sıralamaya sahip boylamsal veriler olmadan kanıtlayamaz.
  • İlgili değişkenlerin dışlanması — modelden çıkarılan karıştırıcı değişkenler, dahil edilen değişkenlerin görünen açıklayıcı katkısını şişirir veya azaltır, bu da yanlı tahminlere yol açar.
  • Yetersiz örneklemler — regresyon ve SEM, öngörücü sayısına göre yeterli örneklem büyüklükleri gerektirir; regresyon için tahminci başına en az 10-20 vaka önerilir.
  • İstatistiksel anlamlılığın açıklayıcı önemle eşanlamlı olarak ele alınması — büyük bir örneklem anlamlı ancak önemsiz derecede küçük etkiler üretebilir; her zaman etki büyüklüklerini raporlayın ve yorumlayın.

Sık sorulan sorular

Açıklayıcı ve doğrulayıcı araştırma arasındaki fark nedir?

Terimler yakından ilişkilidir ancak farklı vurgular taşır. Açıklayıcı araştırma, amaca — bir olgunun neden meydana geldiğini anlamaya — odaklanır ve regresyon tabanlı anketlerden yol modellerine kadar bir dizi tasarımı kapsar. Doğrulayıcı araştırma, özellikle tam hipotezlerin, örneklem büyüklüklerinin ve analiz planının veri toplama öncesinde belirlendiği, katı hipotez doğrulama mantığını izleyen önceden kaydedilmiş hipotez testini vurgular. Tüm doğrulayıcı araştırmalar açıklayıcı niteliktedir, ancak tüm açıklayıcı araştırmalar doğrulayıcı araştırmanın daha katı protokol standartlarını karşılamaz.

Açıklayıcı araştırma nedenselliği kurabilir mi?

Deneysel olmayan açıklayıcı araştırma, özellikle boylamsal veriler, araçsal değişkenler veya titiz istatistiksel kontrollerle birleştirildiğinde, nedensel bir yoruma uygun güçlü kanıtlar sağlayabilir, ancak rastgele kontrollü bir deneyin yapabileceği gibi nedenselliği kesin olarak kuramaz. Araştırmacı bu sınırlılığı kabul etmeli ve gözlemlenen ilişkiler için alternatif açıklamaları tartışmalıdır.

Açıklayıcı araştırma keşifsel araştırmadan nasıl farklıdır?

Keşifsel araştırma, bir olgu hakkında nispeten az şey bilindiğinde ve amaç hipotezler üretmek veya ilgili değişkenleri belirlemek olduğunda yürütülür. Açıklayıcı araştırma, keşfin bittiği yerden başlar: yeterli bir teorik temelinin zaten mevcut olduğunu varsayar ve olgunun neden meydana geldiğine dair belirli hipotezleri test eder. Uygulamada, bir araştırma programı genellikle birden çok çalışma boyunca keşifsel aşamalardan açıklayıcı aşamalara geçer.

Açıklayıcı araştırmada tipik olan istatistiksel yöntemler nelerdir?

Çoklu doğrusal veya lojistik regresyon, hiyerarşik regresyon, yapısal eşitlik modellemesi (SEM), kovaryans analizi (ANCOVA), aracılık ve moderatör analizi (örneğin, PROCESS makrosu) ve yol analizi yaygın olarak kullanılır. Seçim, açıklayıcı değişkenlerin sayısı ve türü, sonucun doğası ve aracılık eden veya moderatörlük eden yolların hipotezlenip hipotezlenmediğine bağlıdır.

Ne kadar büyük bir örneğe ihtiyacım var?

Örneklem büyüklüğü gereksinimleri, istatistiksel tekniğe, öngörücü sayısına ve beklenen etki büyüklüğüne bağlıdır. Çoklu regresyon için yaygın bir sezgisel kural, öngörücü değişken başına 10-20 vaka; SEM için genellikle 200 vaka minimumdur. Test edilen teori tarafından belirtilen etki büyüklüklerini tespit edebildiğinden emin olmak için veri toplama öncesinde güç analizi (örneğin, G*Power kullanarak) şiddetle tavsiye edilir.

İlgili yöntemler

Kaynaklar

  1. Kerlinger, F. N. (1986). Foundations of Behavioral Research (3rd ed.). Holt, Rinehart and Winston.

    ISBN: 978-0030417559
    Kopyalandı.
  2. Babbie, E. (2010). The Practice of Social Research (12th ed.). Wadsworth/Cengage Learning.

    ISBN: 978-0495598428
    Kopyalandı.