Bir tabloda p değerinin ,001 çıkması, tek başına güçlü bir tez bulgusu değildir. Asıl mesele, sonucun araştırma sorusuna ne söylediği, etkinin ne kadar anlamlı olduğu ve bu sonucun önceki çalışmalarla nasıl ilişkilendirildiğidir. Tezde bulgu yorumlama örnekleri, SPSS veya başka bir programdan alınan çıktıyı akademik olarak savunulabilir bir anlatıya dönüştürmenin en pratik yoludur.
Bulgular bölümünde amaç sonuçları olduğu gibi sıralamak; tartışma bölümünde ise bu sonuçları abartmadan anlamlandırmaktır. Bu ayrım özellikle tez savunmasında önem kazanır. Çünkü jüri üyeleri çoğu zaman sadece “anlamlı mı?” sorusunu değil, “Bu sonuç ne anlama geliyor, neden önemli ve hangi koşullarda geçerli?” sorusunu da sorar.
Bulguyu yorumlamadan önce doğru çerçeveyi kurun
Yorum, analiz türünden bağımsız düşünülemez. Bağımsız örneklemler t testi grup ortalamalarını karşılaştırırken, korelasyon iki değişken arasındaki ilişkinin yönünü ve düzeyini gösterir. Regresyon ise bir veya birden fazla değişkenin sonuç değişkenini ne ölçüde yordadığını inceler. Aynı cümle kalıbını tüm analizlere uygulamak, bulguların hatalı yorumlanmasına neden olabilir.
İyi bir bulgu yorumu dört soruya cevap verir: Araştırmada ne bulundu? Bulgunun yönü nedir? İstatistiksel ve uygulamalı anlamı nedir? Bu sonuç araştırmanın sınırları içinde nasıl açıklanabilir? Bu sorulara cevap verirken analiz varsayımlarının sağlanıp sağlanmadığı, örneklem büyüklüğü ve ölçüm aracının niteliği de göz önünde tutulmalıdır.
Örneğin p değeri anlamlı olsa bile çok küçük bir örneklemle elde edilmiş kararsız bir sonuç söz konusu olabilir. Tersine, büyük örneklemlerde çok düşük düzeydeki farklar da istatistiksel olarak anlamlı görünebilir. Bu nedenle p değerini etki büyüklüğü, güven aralığı ve betimleyici istatistiklerle birlikte değerlendirmek gerekir.
Tezde bulgu yorumlama örnekleri: T testi
Bir araştırmada lisansüstü öğrencilerin akademik stres puanları cinsiyete göre karşılaştırılmış olsun. Kadın öğrencilerin ortalaması 31,40, erkek öğrencilerin ortalaması 28,10; t testi sonucu ise t(198) = 2,45, p = ,015 olarak bulunsun.
Zayıf yorum şöyledir: “Cinsiyete göre akademik stres düzeyi anlamlı farklılık göstermektedir.” Bu ifade teknik olarak tamamen yanlış değildir; ancak okuyucuya farkın hangi grupta olduğunu, büyüklüğünü ve olası anlamını söylemez.
Daha güçlü yorum şu biçimde kurulabilir: “Kadın öğrencilerin akademik stres puanları erkek öğrencilerin puanlarından anlamlı düzeyde daha yüksektir, t(198) = 2,45, p = ,015. Bununla birlikte, farkın uygulamadaki önemini değerlendirmek için Cohen’s d değeri de incelenmelidir. d = 0,35 civarında bir değer, farkın küçük-orta düzeyde olduğuna işaret eder.”
Burada dikkat edilmesi gereken nokta, sonuçtan doğrudan nedensel bir açıklama üretmemektir. “Kadın öğrenciler daha fazla sorumluluk taşıdığı için streslidir” demek, araştırmada ölçülmeyen bir nedeni kesin gerçek gibi sunar. Bunun yerine, “Bu farklılık rol beklentileri, akademik yük algısı veya sosyal destek gibi çalışmada ölçülmeyen değişkenlerle ilişkili olabilir” ifadesi daha bilimsel bir çerçeve sağlar.
Anlamlı çıkmayan fark nasıl yazılır?
Anlamlı olmayan sonuçlar da bulgudur. Örneğin p = ,28 olduğunda “iki grup aynıdır” denemez. Daha doğru ifade, araştırmanın mevcut örnekleminde gruplar arasında istatistiksel olarak anlamlı bir fark saptanmadığıdır.
Örnek yazım: “Katılımcıların akademik öz yeterlik puanları öğrenim türüne göre anlamlı farklılık göstermemiştir, t(146) = 1,09, p = ,278. Bu bulgu, araştırma örnekleminde öğrenim türüne bağlı belirgin bir öz yeterlik farkı olduğuna ilişkin yeterli kanıt bulunmadığını göstermektedir.” Güven aralığı ve etki büyüklüğü küçükse, bu durum yorumunuzu daha dengeli hale getirir.
Korelasyon bulgusu neden nedensellik değildir?
Korelasyon analizinde en sık yapılan hata, ilişkiyi neden-sonuç ilişkisi gibi yazmaktır. Diyelim ki akademik erteleme ile algılanan stres arasında pozitif ve orta düzeyde ilişki bulundu: r = ,42, p < ,001.
Bu bulgu şöyle yorumlanabilir: “Akademik erteleme puanı yükseldikçe algılanan stres puanının da yükselme eğiliminde olduğu görülmüştür. İlişkinin pozitif ve orta düzeyde olması, iki değişkenin birlikte değiştiğini göstermektedir.” Bu ifadede ilişkinin yönü ve düzeyi nettir.
Buna karşılık “Akademik erteleme stresi artırmaktadır” ifadesi kesitsel korelasyon verisi için uygun değildir. Stres ertelemeyi artırıyor olabilir; iki değişken karşılıklı etkileşim içinde olabilir veya zaman yönetimi becerisi gibi üçüncü bir değişken her ikisini etkiliyor olabilir. Nedensel yorum için araştırma deseni, zaman sıralaması ve alternatif açıklamaların kontrolü belirleyicidir.
Korelasyon katsayısının büyüklüğünü de bağlam içinde okuyun. Sosyal bilimlerde r = ,20 her zaman önemsiz değildir; özellikle çok sayıda faktörün etkili olduğu karmaşık davranışsal olgularda anlamlı bir pratik karşılığı olabilir. Ancak bu değeri “güçlü ilişki” diye nitelemek de doğru olmaz.
Regresyon sonuçlarını araştırma sorusuna bağlayın
Çoklu doğrusal regresyonda yorum, modelin tamamından başlayıp değişkenlerin tekil katkılarına ilerlemelidir. Örneğin akademik öz yeterlik, sosyal destek ve uyku kalitesinin akademik stres puanını yordadığı bir modelde R² = ,32 bulunmuş olsun. Bu değer, modeldeki değişkenlerin akademik stres puanlarındaki varyansın yüzde 32’sini açıkladığını gösterir.
Uygun bir yorum şöyledir: “Akademik öz yeterlik, sosyal destek ve uyku kalitesinin birlikte akademik stresin anlamlı bir yordayıcısı olduğu görülmüştür, F(3, 196) = 30,75, p < ,001, R² = ,32. Model, akademik stres puanlarındaki varyansın yüzde 32’sini açıklamaktadır.” Ardından standartlaştırılmış beta katsayıları değerlendirilir.
Örneğin sosyal desteğin beta katsayısı β = -,31 ve p < ,001 ise, diğer değişkenler sabit tutulduğunda sosyal destek arttıkça akademik stresin azalma eğiliminde olduğu söylenebilir. “Diğer değişkenler sabit tutulduğunda” ifadesi burada kritiktir. Beta katsayısı, basit bir ikili ilişkiden değil, modeldeki diğer yordayıcıların etkisi dikkate alındıktan sonraki katkıdan söz eder.
R² = ,32 yüksek mi, düşük mü? Bu sorunun tek bir cevabı yoktur. Eğitim, psikoloji veya sağlık bilimlerinde insan davranışını tek bir modelle tamamen açıklamak beklenmez. Buna rağmen modelin açıklayamadığı yüzde 68’lik bölümün varlığı açıkça belirtilmeli; sonuçlar aşırı genellenmemelidir.
Aracılık ve düzenleyicilikte yorum dili
PROCESS Macro ile yapılan aracılık analizinde dolaylı etkinin güven aralığı sıfırı içermiyorsa, aracılık etkisine dair kanıt elde edilir. Ancak “tam aracılık kesin olarak kanıtlandı” gibi kesin ifadelerden kaçınmak gerekir. Özellikle kesitsel veride, değişkenler arasındaki zamansal sıra teorik olarak önerilse bile doğrudan gözlenmemiş olabilir.
Düzenleyicilik analizinde ise temel soru, bir ilişkinin farklı düzeylerde değişip değişmediğidir. Örneğin sosyal desteğin, akademik iş yükü ile stres arasındaki ilişkiyi zayıflattığı bulunursa, etkileşim katsayısı ve basit eğimler birlikte yorumlanmalıdır. Sadece etkileşim teriminin anlamlı olduğunu yazmak yeterli değildir; ilişkinin hangi sosyal destek düzeyinde güçlendiği veya zayıfladığı açıklanmalıdır.
Bulgular ve tartışma bölümünü birbirine karıştırmayın
Bulgular bölümünde sayısal sonuç, tabloya yönlendirme ve kısa nesnel açıklama ön plandadır. Tartışma bölümünde ise bulgu literatürle karşılaştırılır, olası açıklamalar tartışılır ve sınırlılıklar belirtilir. Aynı paragrafta hem yoğun istatistik hem de uzun teorik açıklama kullanmak, metnin izlenmesini zorlaştırabilir.
APA biçemine uygun bir sonuç anlatımında test istatistiği, serbestlik derecesi, p değeri ve gerekiyorsa etki büyüklüğü yer almalıdır. Ondalık ayıracı, tablo biçimi ve istatistiksel sembollerin kullanımı üniversitenizin yazım kılavuzuna göre değişebilir. Bu nedenle biçimsel tutarlılık, en az doğru analiz seçimi kadar önemlidir.
Yorum yazmadan önce kendinize şu kısa kontrolü uygulayın: İstatistiksel sonucu doğru aktardım mı? Yönü açıkça belirttim mi? Etki büyüklüğünü veya açıklanan varyansı değerlendirdim mi? Nedensellik iddiasını araştırma desenimin sınırları içinde tuttum mu? Bu sorulardan biri yanıtsız kalıyorsa paragraf genellikle yeniden çalışılmalıdır.
Akademik Analiz yaklaşımında da hedef, araştırmacının çıktıyı sadece raporlaması değil, her katsayıyı ve her yorumu neden kullandığını anlayabilmesidir. Özellikle danışman geri bildirimi sonrası yapılan analiz incelemelerinde, bulgunun doğru yorumlanması araştırmacının kendi çalışmasını güvenle açıklamasını sağlar.
Sonuçları güçlü gösteren şey yüksek p değeri eşiğini geçmek değil, verinin gerçekten desteklediği kadarını açık, ölçülü ve yöntemsel olarak doğru söyleyebilmektir.