Bir amaca ulaşmak veya hedef belirlemek için ya da bir karar almanın temel adımlarından biri sürece etki eden verileri tanımlamak; bu verileri toplamak ve doğru şekilde analiz etmektir. Bu şekilde kararlarımızı ya da uygulamalarımızı objektif bir tabana ve bilimsel bir temele dayandırmak isteriz. Gerçeği daha iyi tanımlayan ve açıklayan bilimsel metotların yol göstericiliğini kullanırız. Özellikle bilimsel yöntemler, gerçeği daha sağlıklı açıklamak ve anlamlandırmak için bize rehberlik eder (Yıldırım & Şimşek, 2021).
Verilerin Yapısal Farklılıkları: Ölçülebilirden Algılanana
Tanımladığımız verilerin yapısal farklılıkları olabilir. Bazı veriler doğrudan bir ölçme metodu ile elde edilmektedir. Bu ölçme metodu ve sonucu olan ölçümler evrenseldir ve her kişi ya da kuruluş tarafından kabul edilen, ortak kullanıma sahip bir yaklaşım sağlamaktadır. Örnek olarak, bir tartı aracılığı ile bir cismin ağırlığını ölçebiliriz. Ölçme sonucu ekipman ya da ölçme hatalarının kabul edilebilir olması varsayımı ile metot ve ölçüm sonuçları objektif olarak kabul edilir.
Veri türlerini değerlendirirken temel bir ayrım, ölçülebilir (objektif) veriler ile algısal (öznel) veriler arasında yapılmalıdır. Örneğin bir cismin ağırlığı, uygun bir tartı ile belirli tolerans sınırları içinde nesnel olarak ölçülebilir. Bu ölçümler, ölçme hataları ihmal edilebilir düzeyde olduğu sürece tüm ölçüm yapanlar için benzer sonuçlar doğurur.
Bu tür veriler sürekli (interval ya da ratio) ya da sayılabilir (discrete) değişkenlerle ifade edilir. Ancak öğrenim durumu gibi kategorik değişkenler söz konusu olduğunda, her ne kadar sınıflandırmalar evrensel ölçütlere dayansa da, bu verilerin analizinde istatistiksel teknikler sınırlı hale gelebilir (Büyüköztürk, 2022).
Ölçüm sonuçları; hata varyasyonunun toleranslar dahilinde olması varsayımı ile bireyden bireye farklılık göstermez. Hem farklı ölçerler ile aynı veya benzer sonuçlar elde etmek olasıdır hem de farklı objektif ölçme metotları ile aynı ve benzer sonuçlar elde edilebilmektedir. Bu durum şimdilik sadece sayılabilir ve sürekliliği olan değişkenler için kabul edebiliriz çünkü kategorik verilere yönelik bir ölçme söz konusu olduğunda veriler yapısal olarak değişmektedir. Örnek olarak bir kişinin öğrenim durumu için tanımlanan kategoriler ( okuma yazma bilmiyor—-〉 Lisans üstü eğitimi) herkes tarafından kabul edilebilir objektif kriterler ile ölçümü tartışmasız kılabilir ancak bu tür verileri kullanarak uygulanabilecek istatistiksel yorumlama teknikleri konusunda yetersizlikler ve sorunlar söz konusu olacaktır.
Algıya Dayalı Veriler: Nesneden Yoruma Giden Yol
Algıya dayalı verilerin yapısı ise oldukça farklıdır.Algıya dayalı veriler, kişisel yargılardan etkilendiği için farklı bireyler aynı nesne hakkında farklı değerlendirmeler yapabilir. “Eviniz büyük mü?” sorusuna verilen “çok küçük” ya da “çok büyük” gibi cevaplar, kullanıcıların kişisel deneyimlerine ve ihtiyaçlarına bağlı olarak değişir. Bu tür değerlendirmelerde nesnel bir ölçüt (örneğin metrekare) eklenmedikçe analiz yapmak oldukça güçleşir.
Örnek olarak yemek tadını değerlendiren bir kişiye “Lezzetli miydi?” diye sormak ile, evin metrekaresini sormak aynı düzeyde veri sağlamaz. İlki öznel ve kişisel tatmin düzeyini ifade ederken, ikincisi sayısal bir temele dayalıdır.
Her durumda algı verilerini; objektif ölçme metotlarına sahip diğer verilerden tamamen ayırmak gerekmektedir. Çünkü algı verileri adından da anlaşılacağı üzere kişiseldir. Aynı objeye farklı ölçerler kendi algılamalarında doğal olarak farklı puanlar atayacaklardır. O halde yapılacak analizlerde bu gibi durumlarda farklı olmalıdır. Verilerin yapısal karakteri ile uygulanabilecek istatistiksel analizler konusunda fikir ve öneriler geliştirilmeli ve örnekler ile bu alana açıklık kazandırılmalıdır.
Algı Verileri Nasıl Yapılandırılmalı?
Algı verilerinin analizi için iki aşamalı bir yapıyı kullanmak yararlı sonuçlar sağlayabilir.
Birinci aşamada algılama verisini bir fark (gerçekleşen-beklenen) verisi olmaktan kurtarıp, bir referansa uygunluk verisi haline getirebiliriz.
İkinci aşamada ise uygunluğu aritmetiksel operatörleri kullanabilen ölçeklere taşıyabiliriz. Fark verileri gerçekler ile beklentilerin birer fonksiyonu olduğu için farklı ölçeklerde farklı (anlamlı) sonuçlar elde etmek doğal bir sonuç olur (aynı obje için).
Oysa gerçeğin bir referansa uygunluğu dikkate alınırsa ölçme hatalarının tartışma boyutu farklı bir alanda yapılanmaya başlar. Örnek olarak; evin/ konutun alanı için konuşulduğunda kişi başına 40 metrekare ve altını çok küçük, 45 metrekareye kadar olanlarını küçük gibi kategoriler ile ölçülebilir. Objektif veriler ile desteklenemeyen durumlar için de benzer tanımlamalar yapılabilir. Amaç ilk aşamada farklı ölçeklerden aynı objeyi ölçtüklerinde hassas sonuçlar elde edebilmektir.
Gerçeğin algılanması ve sıralanmasında bu metotlar bize yardımcı olmaktadır. Bu noktada kategoriler arasındaki farkı sayısallaştıracak istatistiksel analizleri kullanmamıza olanak sağlayacak nominal veri setini elde etmek gerekmektedir. Bir diğer yaklaşımda ise nominal veri elde etmek yerine ordinal verilerde kullanılabilecek analiz yöntemlerini tanımlamaktır.
Çayın lezzetini nasıl buldunuz? (Mate, Yeşil, Siyah)
[…] Çok memnun
[…] Oldukça memnun
[…] Kısmen memnun
[…] Pek memnun değil
[…] Hiç memnun değil
Bu markayı seçmekten memnunsunuz?
Çok memnun 1………2………3………4………5 Hiç memnun değil
Bölgenizde bulunan hostellere kıyasla Down Town İstanbul’ u nasıl buluyorsunuz?
[…] Çok iyi […] Vasat/Orta […] Çok kötü
Ölçekleme süreci, özellikle sosyal bilimlerde yaygın olarak kullanılan 3’lü, 5’li ve 7’li Likert skalaları üzerinden yürütülebilir. 5 li ve 7 li likert ölçeklerinin avantajları ve dezavantajları vardır.
Kategoriler arasındaki mesafeler çok farklı olabileceğinden kategorilerin tanımlanmasında dikkat edilecek bazı kısımlar ön plana çıkmaktadır.
Likert ölçeklerinin avantajları:
- Sayısal analiz yapılabilir hale gelmeleri
- Yorum çeşitliliğini sınırlamaları
Ancak, kategori aralıklarının eşit olmaması gibi dezavantajları da bulunmaktadır. Bu nedenle ölçek tanımlarının dikkatli yapılması önemlidir (Tabachnick & Fidell, 2019).
Sonuç: Veri Yapısına Göre Yöntem Seçimi
Veri analizi sürecinde her şey, elimizdeki verinin yapısını doğru tanımakla başlar. Öznel ve nesnel verileri aynı şekilde analiz etmek, sağlıksız ve yanıltıcı sonuçlara yol açabilir. Bu nedenle hem veri toplarken hem de analiz ederken kullanılan yöntemlerin, verinin doğasına uygun olması gereklidir. Bu anlayış, işletmelerden akademik araştırmalara kadar tüm veri analiz süreçlerinin temelini oluşturmalıdır.
📚 Kaynakça
- Büyüköztürk, Ş. (2022). Sosyal Bilimler İçin Veri Analizi El Kitabı. Ankara: Pegem Akademi.
- Tabachnick, B. G., & Fidell, L. S. (2019). Using Multivariate Statistics (7th ed.). Pearson Education.
- Yıldırım, A., & Şimşek, H. (2021). Sosyal Bilimlerde Nitel Araştırma Yöntemleri. Seçkin Yayıncılık.
🖋 Dr. Ayşem Ece Yalçınkaya – Veri Analizi ve Yönetim Sistemleri Eğitmeni, Denetçi ve Süreç Mimarı
📌 www.aysemece.com | 📧 iletisim: aysemece@gmail.com
KalitEce's Blog 