İçeriğe atla
Arama sonuçlarına dön

İlişkisel Tarama — İlişkisel Tarama Araştırması

Ortaya koyan
Established in educational and social science research methodology; systematised by Fraenkel & Wallen and others
Yıl
Mid-20th century onward (systematised ~1960s–1990s)
Tür
Quantitative non-experimental survey design
Aile
Survey / observational design

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

Yazı boyutu

Ne işe yarar?

İlişkisel tarama araştırması, bir örneklemden yapılandırılmış öz bildirim verileri toplayan ve iki veya daha fazla değişken arasındaki istatistiksel ilişkileri inceleyen nicel, deneysel olmayan bir desendir.

Yalnızca dağılımları karakterize eden tamamen betimsel taramaların aksine, ilişkisel taramalar değişkenlerin birlikte değişip değişmediğini ve ne kadar güçlü birlikte değiştiğini sorar — koşulları manipüle etmeden veya nedenselliği belirlemeden ilişkilere dair kanıt sağlar.

Yöntemin mantığı

İlişkisel bir taramayı, bir grubun belirli bir zamandaki anlık görüntüsünü almak ve ardından şunu sormak olarak düşünün: A değişkeninde daha yüksek puan alan kişiler, B değişkeninde de daha yüksek (veya daha düşük) puan alma eğiliminde midir? Örneğin, bir araştırmacı üniversite öğrencilerine akademik motivasyon ve teknoloji kullanımıyla ilgili geçerliliği kanıtlanmış ölçekler uygulayabilir ve ardından motivasyonun hangi yönlerinin teknoloji kullanımının farklı biçimleriyle en tutarlı şekilde birlikte değiştiğini görmek için korelasyon katsayılarını hesaplayabilir. Bu tasarım müdahale etmez; birlikte değişimi gözlemler ve nicelleştirir.

Tarih

İlişkisel tarama tasarımı, yirminci yüzyılın başlarından ortalarına kadar sosyal bilimlerde şekillenen daha geniş tarama araştırması geleneğinden ortaya çıkmıştır. Değişkenler arası ilişkilere odaklanması, Karl Pearson'ın 1890'lardaki korelasyon katsayısı geliştirmesinden ve yirminci yüzyılın ortalarındaki çoklu regresyonun genişlemesinden doğrudan yararlanmaktadır. Fraenkel ve Wallen'ın 1990'lardan itibaren yaygın olarak kullanılan eğitim araştırmaları ders kitapları, ilişkisel taramayı ayrı bir tasarım türü olarak resmileştirmiş, onu bir yandan tamamen betimsel taramalardan, diğer yandan nedensel-karşılaştırmalı tasarımlardan ayırmıştır.

Ne zaman kullanılır?

Amacınız, doğal olarak oluşan bir gruptaki değişkenler arasındaki ilişkileri deneysel olarak hiçbir şeyi manipüle etmeden nicelleştirmek olduğunda ilişkisel bir tarama kullanın — örneğin, kişilik özellikleri ile akademik performans veya örgütsel iklim ile çalışan refahı arasındaki bağlantıları keşfetmek. Tasarım, kesitsel, öz bildirim veri toplamanın mümkün olduğu ve araştırma sorularının 'X, Y ile ilişkili mi?' veya 'X, Y'yi ne kadar iyi yordar?' şeklinde çerçevelendiği durumlarda uygundur. Amaç nedensel yönü belirlemek olduğunda (boylamsal veya deneysel bir tasarımı düşünün) veya ilgi konusu yapının bir anket ölçeğiyle geçerli bir şekilde yakalanamadığı durumlarda kullanmayın. Örneklem büyüklükleri ~50'nin altına düştüğünde bundan kaçının, çünkü korelasyon tahminleri çok küçük N'de kararsız ve yanıltıcı hale gelir.

Sınırlar ve dikkat edilmesi gerekenler

  • Nedensel yönü belirleyemez — X ve Y arasındaki bir korelasyon, X'in Y'ye neden olması, Y'nin X'e neden olması veya üçüncü bir değişkenin her ikisine de neden olmasıyla eşit derecede tutarlıdır.
  • Sonuçlar, yalnızca kullanılan araçlar kadar geçerlidir; zayıf ölçek güvenilirliği veya yapı geçerliliği, sonraki tüm analizleri zayıflatır.
  • Hem yordayıcı hem de sonuç değişkenleri aynı öz bildirim aracıyla aynı anda ölçüldüğünde ortak yöntem varyansı bir tehdittir.
  • Kesitsel ilişkisel taramalar, zaman içindeki değişimi veya gelişimsel eğilimleri yakalayamaz.

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

Güçlü yönleri

  • Tek bir veri toplama çabasında birden çok değişken ilişkisini verimli bir şekilde inceler.
  • Standartlaştırılmış, kolayca tekrarlanabilir ve karşılaştırılabilir nicel etki büyüklüğü tahminleri üretir.
  • Yerleşik istatistiksel araçlar (korelasyon, regresyon, yol analizi, SEM) tarafından iyi desteklenir.
  • Çevrimiçi veya kağıt tabanlı uygulama yoluyla geniş, coğrafi olarak dağınık örneklemler için uygundur.
  • Daha sonraki deneysel veya boylamsal takip çalışmaları için temel oluşturabilir.

Uygulama alanları

  • Eğitim araştırmalarında öğrenci öz yeterliliği, motivasyonu ve akademik başarı arasındaki ilişkinin incelenmesi.
  • Örgütsel psikolojide iş doyumu, örgütsel bağlılık ve işten ayrılma niyeti arasındaki ilişkilerin araştırılması.
  • Halk sağlığı anketlerinde sağlık davranışları (diyet, egzersiz, uyku) ile öz bildirilen refah arasındaki bağlantıların keşfedilmesi.
  • Gelişimsel araştırmalarda ebeveynlik stillerinin çocukların sosyal-duygusal sonuçlarıyla nasıl birlikte değiştiğinin değerlendirilmesi.
  • Bilgi sistemleri araştırmalarında teknoloji benimseme tutumları ve kullanım kalıpları arasındaki ilişkilerin incelenmesi.

Nasıl çalışır?

Nasıl çalışır?

1

Araştırmacı, ilişkileri ilgi çekici olan en az iki yapıyı belirtir ve ilişkilerin beklenen yönü ve büyüklüğü hakkında araştırma soruları veya hipotezler formüle eder. Kavramsal veya teorik bir çerçeve genellikle hangi değişkenlerin dahil edildiğini ve herhangi birinin yordayıcı mı yoksa sonuç değişkeni olarak mı ele alındığını yönlendirir.

2

Her değişkeni sayısal olarak ölçmek için geçerliliği kanıtlanmış anketler, derecelendirme ölçekleri veya standartlaştırılmış araçlar seçilir veya geliştirilir. Ölçeklerin hedef popülasyonda yeterince performans gösterdiğini doğrulamak için ana veri toplama işleminden önce pilot test ve güvenilirlik kontrolleri (örn. Cronbach alfa) yapılır.

3

Tarama, tipik olarak tek bir veri toplama dalgasında (kesitsel) temsilci veya amaçlı bir örnekleme uygulanır, ancak ilişkisel taramalar boylamsal tasarımlara da dahil edilebilir. Yeterli örneklem büyüklüğü, güç analizi kullanılarak önceden hesaplanır; çoğu korelasyon tabanlı tasarım, orta düzey etki büyüklüklerini güvenilir bir şekilde tespit etmek için en az 50-100 katılımcı gerektirir.

4

İki değişkenli ilişkiler, korelasyon katsayıları (sürekli değişkenler için Pearson r, sıralı veya normal olmayan veriler için Spearman rho) kullanılarak tahmin edilir. Birden fazla yordayıcı değişken olduğunda, çoklu regresyon veya yol analizi, benzersiz katkıları değerlendirmek ve karıştırıcı faktörleri kontrol etmek için ilişkisel çerçeveyi genişletir.

5

Etki büyüklükleri (r, R², beta katsayıları) ve güven aralıkları istatistiksel anlamlılıkla birlikte rapor edilir. Araştırmacı, ilişkilerin pratik anlamını yorumlar, korelasyonel kanıtın nedenselliği kanıtlayamayacağını kabul eder ve bulguları önceki literatür ve teorik çerçeve içinde konumlandırır.

Sık yapılan hatalar

  • İstatistiksel olarak anlamlı bir korelasyonu nedenselliğin kanıtı olarak yorumlamak — ilişkisel tarama kanıtı yalnızca ilişkiseldir; nedensel iddialar deneysel veya güçlü yarı deneysel tasarımlar gerektirir.
  • Güç analizini ihmal etmek — 50'den az katılımcıya sahip çalışmalar, güven aralıkları o kadar geniş olan korelasyon tahminleri üretir ki, pratik olarak yorumlanamazlar.
  • Ortak yöntem yanlılığını ele almadan hem yordayıcı hem de ölçüt değişkenlerini ölçmek için tek bir anket oturumu kullanmak — zaman gecikmeli tasarımları veya ölçek sırasını dengeleme gibi prosedürel çözümleri düşünün.
  • Yönlülük için ek teorik veya istatistiksel gerekçe olmaksızın bir korelasyon matrisini nedensel bir model olarak ele almak.

Sık sorulan sorular

İlişkisel bir tarama için minimum örneklem büyüklüğü nedir?

Tek bir kural yoktur, ancak pratik bir kıyaslama olarak birçok metodolog, makul derecede kararlı bir iki değişkenli korelasyon tahmini elde etmek için en az 50 katılımcı ve çoklu regresyon planlandığında 100 veya daha fazla katılımcı önermektedir. Resmi yanıt, beklenen etki büyüklüğünü, istenen gücü (tipik olarak .80) ve alfa düzeyini (.05) belirten bir a priori güç analizi yapmaktır; bu, varsayılan ilişkiyi tespit etmek için gereken minimum N'yi verecektir.

Nedensel bir modeli test etmek için ilişkisel bir tarama kullanabilir miyim?

İlişkisel bir tarama, korelasyonlar modelinin nedensel bir modelle tutarlı olup olmadığını test edebilir (yol analizi veya SEM kullanarak), ancak nedensel yönü doğrulayamaz. İlişkisel tarama verileriyle yapısal eşitlik modellemesi, verilerle tutarsız modelleri eleyebilir, ancak nedensel iddialar hala deneysel manipülasyon, doğal deneyler veya zamansal öncelik içeren boylamsal tasarımlar gerektirir.

İlişkisel bir tarama, basit bir betimsel taramadan nasıl farklıdır?

Betimsel bir tarama, bir örneklemdeki bir veya daha fazla değişkenin dağılımını karakterize eder — ortalamalar, frekanslar, oranlar. İlişkisel bir tarama, değişkenlerin birbirleriyle ilişkili olup olmadığını ve ne kadar güçlü ilişkili olduğunu istatistiksel olarak inceleyerek daha ileri gider. Her ikisi de aynı anket verilerini kullanabilir; fark, sorulan araştırma sorularında ve uygulanan analitik tekniklerde yatmaktadır.

Hangi korelasyon katsayısını kullanmalıyım?

Pearson r, her iki değişken de sürekli ve yaklaşık olarak normal dağılıma sahip olduğunda uygundur. Spearman rho, sıralı değişkenler için veya dağılımlar belirgin şekilde çarpık olduğunda tercih edilir. Kendall tau, çok sayıda eşit sıralamaya sahip sıralı veriler için bir alternatiftir. İkili veya dikotom değişkenler için, nokta-çift serili veya phi katsayıları standart seçeneklerdir.

İlişkisel bir taramada ortak yöntem yanlılığını nasıl ele alırım?

Ortak yöntem yanlılığı, yordayıcı ve sonuç verileri aynı katılımcıdan aynı anda geldiğinde ortaya çıkar. Prosedürel çözümler arasında ölçüm zamanlarını ayırmak (zaman gecikmeli tasarım), farklı yanıt formatları kullanmak ve ölçek sırasını dengelemek yer alır. İstatistiksel çözümler arasında Harman'ın tek faktör testi ve işaretleyici değişken tekniği bulunur, ancak hiçbiri sorunu tamamen ortadan kaldırmaz.

İlgili yöntemler

Kaynaklar

  1. Fraenkel, J. R., Wallen, N. E., & Hyun, H. H. (2009). How to Design and Evaluate Research in Education (8th ed.). McGraw-Hill.

    ISBN: 978-0073525748
    Kopyalandı.
  2. Creswell, J. W. (2014). Research Design: Qualitative, Quantitative, and Mixed Methods Approaches (4th ed.). Sage Publications.

    ISBN: 978-1452226101
    Kopyalandı.