İstatistik birçok lisansüstü öğrencisinin korkulu rüyasıdır. Özellikle sosyal bilimler öğrencileri, tez ya da makale (veya ödev) yazarken, istatistiksel analiz yapmaları gerektiğinde hayattan soğuyabiliyorlar. İstatistik bilgisi lisansüstü öğrenciler için, özellikle nicel araştırmalarda ancak artan şekilde nitel araştırmalarda da çok önemli.
Farklı istatistiksel analiz yöntemlerine ihtiyaç duyan öğrenciler, bazen bu amaçla kurulmuş analiz merkezlerinden yardım alabiliyorlar. Fakat bu durumda bile, analizi yapanlar dil edinimi ve öğretimi ile ilgili çalışmalara aşina olmadıklarından, hangi analizin kullanılması gerektiği konusunda yönlendirme yapmakta zorlanabiliyorlar. Dahası, elde edilen sonuçların alan çerçevesinde yorumlanması konusunda da sıkıntılar devam ediyor. Bütün bunlar yetmezmiş gibi 😀 bazı merkezler sonuçların yorumlanmasına dahil olmamayı tercih edebiliyor ve öğrenciler bu sonuçları hem tablolarda hem de metin içinde, örneğin, APA tarzına göre nasıl sunacaklarını bilemiyorlar.
ELT alanında, birçok araştırma sorusunun cevaplanmasında sıklıkla kullanılan bir dizi analiz yöntemi var.
Parametric Analyses:
- Correlation
- T-test
- ANOVA
- Regression
- Factor Analysis
- MANOVA
- ANCOVA
Non-parametric analyses:
- Kruskal–Wallis test
- Friedman ANOVA
- Mann–Whitney U
- Wilcoxon signed-rank test
- Chi-squared test
Burada kısaca ilk üç analizden bahsedeceğiz:
Correlation: Korelasyon analizi, sayısal olarak ölçülmüş, sürekli değişkenler (örn., sınav sonuçları ve motivasyon ölçeği sonuçları) arasındaki ilişkinin gücünü incelemek için kullanılan istatistiksel değerlendirme yöntemidir. Bu tür bir analiz sayesinde, motivasyon artışının sınav sonuçlarını nasıl etkileyeceğine dair bir araştırma sorusu cevaplanabilir.
T-test: Bu analizde iki temel amaçtan bahsedeceğiz. İlk olarak, bu analiz, bir grubun ortalamasının, belirli bir değerden veya başka bir grubun ortalamasından önemli ölçüde farklı olup olmadığını belirlemek için yaygın olarak kullanılır. Örneğin, farklı eğitim süreçlerinden geçmiş iki öğrenci grubunun aynı test üzerindeki başarılarını kıyaslamak için. Feedback’in yazma becerisi üzerinde etkisini araştırdığınızı düşünün. Bir öğrenci grubunun yazılarına ‘feedback’ vermiş, diğerine vermemişseniz, ‘feedback’in öğrenme üzerindeki etkisine bakmak için bir test uygulayıp, bu iki grubun performansını karşılaştırabilirsiniz.
T-test aynı zamanda, aynı grubun farklı iki koşulda/zamanda bir değişken üzerindeki ortalamasını karşılaştırmak için de kullanılabilir. Örneğin, aynı öğrenci grubuna aynı testi feedback almadan önce ve feedback aldıktan sonra uygulayıp, bu performansları karşılaştırarak eğitim sonrası öğrenci performansının gerçekten gelişip gelişmediğini inceleyebilirsiniz.
ANOVA: Bu analiz temelde iki amaç için kullanılır. Birincisi, belli bir açıdan kıyaslayacağınız grup sayısı üç veya daha fazla ise, bu gruplar arasında istatistiksel olarak önemli bir fark olup olmadığını ölçmek için kullanılır. Örneğin, farklı eğitim süreçlerinden geçmiş üç öğrenci grubunun aynı test üzerindeki başarılarını kıyaslamak istediğinizi düşünün. Online ve kâğıt üstünde feedback vermenin farklı etkilerinin olup olmadığını araştırmak istediğinizde üç grubunuz olacak: (1) Online feedback grubu, (2) Kâğıt üstünde feedback alan grup, ve (3) feedback almayan kontrol grubu. Bu üç grubun eğitim sonrasındaki performansları arasında önemli bir fark olup olmadığına bakarken ANOVA kullanmanız gerekir.
ANOVA aynı zamanda, aynı grubun üç veya daha fazla farklı koşulda/zamanda bir değişken üzerindeki ortalamasını karşılaştırmak için de kullanılır. Örneğin, aynı grubun pre-test, post-test ve delayed post-test’teki ortalamalarının birbirinden önemli ölçüde farklı olup olmadığını araştırmak için ANOVA kullanabilirsiniz.
ANOVA’nın çeşitli versiyonları daha karmaşık deney tasarımlarında grup ortalamalarını karşılaştırmak için de kullanılır. Ama o kadar detaya burada girmeyeceğiz.
Şimdilik bu kadar yeter. 🙂
Yavuz Kurt & Talip Gülle
