Friedman Testi

Bir grup üzerinden tekrarlı ölçümler alıyorum, diyelim ki ön test ve son test aldığımızı varsayalım, bu testi yapmak için bir de üçüncü bir test örneğin kalıcılık testi uyguladığımızda yani ikiden fazla test uygulandığında bu non parametrik testi uygulayabiliriz.

AMAÇ: Fiedman testi, ilişkili ölçümlerde ortalama puanların birbirinden anlamlı bir şekilde farklılık gösterip göstermediğini test eder. İlişkili ölçümler için uygulanan tek yönlü varyans analizinin (One- Way ANOVA) nonparametrik alternatifidir. Tek yönlü ANOVA’ da normallik koşulları sağlanmadığı durumlarda uygulanır.

SAYILTILAR

1. Elde edilen ölçüm sonuçları en az eşit aralık düzeyinde olmalıdır.

PROBLEM CÜMLESİ: İstatistik kursuna katılan 12 kişilik bir gruba, kursun başlangıcında, kursun 4. Haftasında ve kursun sonunda olmak üzere 3 defa, istatistiğe yönelik bir öz yeterlik ölçeği uygulanıyor. Bu uygulamalar sonunda, bireylerin istatistiğe yönelik öz yeterlilikleri ortalamaları arasında anlamlı bir fark var mıdır?  SPSS’ veriler ön, izleme ve son test olarak girdikten sonra işleme başlayalım

Analyze—> Nonparametric Tests—> Lagacy Dialogs—> K Related Samples diyoruz.

çıkan pencerede her 3 teste ait verilerimizi aktarıyoruz ve OK Diyoruz.

Görüldüğü üzere ön, izleme ve son test puanlarından en az bir tanesinin diğerlerinden farklı olduğunu söyleyebiliriz. Hangi ikili kombinasyon arasında fark var buna bakmak için Wilcoxon Testi ile yapıyoruz.  Analyze—> Non-Parametric Tests—> Legacy Dialogs—> 2 Related Samples.. diyoruz. Gelen Test Pairs kutusuna şekildeki gibi yerleştiriyoruz.

Tabloda görüldüğü üzere izleme- Ön Test puanları arasında fark yok, son ile ön test arasında fark var, son ile izleme arasında fark var diyoruz. Bu farkların kimin lehine veya aleyhinde olduğuna yine tabloya bakarak karar verebiliriz.  Örnek verecek olursak Son- Ön e baktığımızda pozitif rank görüyoruz yani tamamında son test puanı ön test puanından daha büyük demek.  Bu da bize farkın son test lehine olduğunu söyleyeceğiz. Yine son ile izleme testi positive ranks bütün hepsinde son test lehine fark var diyeceğiz. Dolayısıyla ön ile son ve son ile izleme arasında fark vardır diyoruz.

The post Non Parametrik Friedman Testi appeared first on Cüneyt Akyol.

Kruskal Wallis Test

Amaç

İki ya da daha fazla örneklem ortalamasının anlamlı farklılık gösterip göstermediğini test eder. Tek yönlü varyans analizinin  (One-Way ANOVA ) non-parametrik halidir. Anovanın sayıltıları karşılanmaz ise bu testi yapmamız gerekecektir.

Sayıltılarına bakacak olursak;

• Bağımlı değişken en az sıralama düzeyinde olmalıdır.
• Gözlemler birbirinden bağımsız olmalıdır.

Problem Cümlesi

İlköğretim düzeyindeki bir grup öğrencinin problem çözme becerilerini geliştirmeye yönelik 3 farklı eğitim programının etkililiği araştırılıyor. Öğrencilerin problem çözme becerisi puanları alınan eğitime göre anlamlı farklılık göstermekte midir?

Şekillinde bir durumumum olsun. Burada 3 farklı bir grup var ve problem çözme becerileri arasında fark var mı bunu görmek istiyoruz. 2 den fazla grup olması ve grupların bir birinden bağımsız olması varsayımı ile Kruskal Wallis testini uygulayabiliriz.

SPSS Programına uygun şekilde veri setlerini girdikten sonra

Betimsel istatistikleri görmek istersek Explore bize yardımcı olacaktır. Bunun için Analyze—>Descriptive Statistics—> Explore—>  Dependent List kısmına Grup, Factor list Kısmına Puan değişkenlerini atayıp Statistics kısmından outliers lara bakalım, plots kısmından ise Hstogram seçip, Normality Plots with Tests’ i tıklayalım.

Bu tabloya baktığımızda 1. Grupta 20, 2. Grupta 62 ve 3. Grupta 19 kişi görülmektedir. Burada gruplardan bazıları 30 un altına düştüğü için normallik beklentisi düşmektedir. Bu tip yapılarda genellikle varyanslarda problem çıkar, grup sayıları ciddi oranda farklılaşıyorsa varyansların homojenliği risk altına girebilir.

Grupların standart sapmalarına baktığımızda 1.  grubun standart sapması 35, 2. Grubun standart sapması 23, 3. Grubun standart sapması ise 19 olarak görülmektedir. Bir farklılaşma işaretleri var burada, muhtemelen buna ANOVA yapsaydık ve varyanslar homojen mi deseydik hayır diyecekti.

Normallik testine baktığımızda 1. Grubun normallikten manidar derecede sapma yaşandığını (p=.039) yani normal dağılım göstermediğini görebiliyoruz.  2. Ve 3. Grubun ise Normal dağılım gösterdiğini görüyoruz. Kruskal Wallis Testimizi yapmak için, Anlyze—> Non Parametrik Tests—> Legacy Dialogs—> K independent Sampless.. diyoruz.

Daha sonra gelen ekranda Test Variable List kutusuna” puan”, Group Variables Kutusuna “grup” değişkenini atıyoruz, define gruptan 1 ile 3 arasındaki grupları karşılaştır diyoruz ve Options kısmından discriptives tıklayıp OK diyoruz.

Test sonuçlarıan baktığımızda ( p= .018) anlamlı bir farklılık olduğunu görüyoruz. Gruplardan en az bir tanesinin ortalaması diğerlerinden farklıdır diyebiliriz. Kimin kimden farklı olduğunu bulmak için (Anova yapmış olsaydık post Hoc test yapmıştık ama burada yapamıyoruz) burada yapmamız gereken 2’li grupları karşılaştırmamız lazım bunun için Mann Withney U testi yapmamız gerekiyor.  Yani 1. grup ile 2. grubu 1, grup ile 3. ve 2. Grup ile 3. grup karşılaştırmalarını yapmamız gerekmektedir. Yani 3 tane Man Withney U testi yapmamız lazım, ilk önce 1 ve 2. Grubu karşılaştıralım bunun için Anlyze—> Non Parametric Tests—> LegacyDialogs—> 2 independent Sampless diyoruz ve öncelikle 1 ve 2. Grubu karşılaştırıyouz.

Görüldüğü üzere 1 ve 2. Grup arasında anlamlı bir farklılık görülmektedir. (p=0.006). şimdi ise yine bir mann Withney U testi yaparak 1 ve 3. Grubu karşılaştıralım.

Görüldüğü üzere 1 ve 3. Grup arasında anlamlı bir farklılık görülmemektedir. (p=0.161). Şimdi ise yine bir Mann Withney U testi yaparak 2 ve 3. Grubu karşılaştıralım

Görüldüğü üzere 12 ve 3. Grup arasında anlamlı bir farklılık görülmemektedir. (p=0.161). Buradan sadece 1 ve 2. Grup arasında anlamlı bir farklılık görülmektedir. Sonuçlarımızı tablolaştıracak olursak (Standart bir Kruskal Wallis tablosu sanırım yok )

Yorumumuzu yapacak olursak; Analiz sonuçlarına göre, öğrencilerin problem çözme becerileri testinden aldıkları puanların, aldıkları eğitime göre farklılaştığı görülmektedir (X² =8.05, p<.05). Grupların sıra ortalamaları dikkate alındığında eğitim sonrasında problem çözme becerisine 2. Eğitime katılanların en yüksek olduğu görülmektedir.

II. YOL

Kruskall Wallis Testini SPSS 25. Üzerinden farklı bir yolla daha yapabiliriz. Yani ayrı ayrı Mann Whitney U testi yapmadan tek bir testte yapabiliriz. Şimdi buna bir göz atalım. Veri seti girişinde grup değişkenini nominal yaptığımızı kontrol edelim. Daha sonra Analyze–>< Nonparametric Tests–> İndependent Samples diyoruz e çıkan ekranda objective kısmında tanımlamaları otomatik yapmasını istiyoruz. Fields’ i tıklayıp

Puan değişkenini Test Fields Kısmına, Grup kutusuna da grup değişkenini atıyorum

Daha sonra “Settings” tıklayıp customize tests’ i aktif hale getirip altta çıkan seçeneklerde Kruskal- Wallis 1 -way ANOVA (k Samples) i tıklıyoruz All pairwise seçeneği ile 3 grubun karşılaştırmasını aynı anda yapabiliyoruz.

SPSS bize tabloyu yorumlayıp veriyor ama biz daha fazlasını istiyoruz.

Çıkan tablonun üzerine çift tıkladığımızda aşağıdaki gibi verileri görebiliriz.

Burada görüldüğü gibi yokluk hipotezi reddedilebilir, yani puanlardan en az bir tanesi diğerlerinden farklıdır diyebiliriz. Bu farkın hangi grup lehine olduğunu görmek için en son çıkan sayfada alt kısımdaki View sekmesinde “Pairwise Comparisons” tıkladığımızda alttaki gibi grupları birbiri ile karşılaştırdığını görmekteyiz.

The post Non- Parametrik Kruskal Wallis Testi appeared first on Cüneyt Akyol.

Wilcoxon Test

Wilcoxon testi, ilişkili iki ölçüm setine ait puanların arasındaki farkın anlamlılığını test etmek amacıyla kullanılır. Bağımlı gruplar için yapılan (Daha önce ön ölçüm alınıyordu daha sonra aynı gruba bir ölçüm daha yapılıyordu, ön ile son arasında fark var mı diye bakıyorduk veri girişinde paired olmasına dikkat ediyorduk, fark puanlarının normal dağılım göstermesi gerekiyordu ve bunun için “compute” menüsünden fark hücresi tanımlayıp çıkarma işlemi yapıyorduk) t testinin non-parametriğidir ve sayıltıları karşılamadığı durumlarda yapılır.

Sayıltılarına bakacak olursak;

• Bağımı değişkenin en az sıralama düzeyinde ölçme puanları içermesi gerekmektedir.
• Gözlem çiftinin birbirinden bağımsız olması gerekir.

Yukardaki sayıltıları sağlandığında bu testi yapabiliriz.

Problem Cümlesi: İletişim becerileri eğitimi verilen bir grubun eğitim verilmeden öne ve eğitim verildikten sonraki iletişim becerileri puanları açısından anlamlı bir fark var mıdır? Buraya baktığımızda doğrudan bağımlı gruplar t testi durumu ama sayıltıları sağlanmadığı için non parametrik olan testi Wilcoxon testi yapılması gerekmektedir.

Veri girişini spss programına girdikten sonra, Analyze—> Non-Parametric Tests—>Legacy Dialogs—> 2 Related Samples.. diyoruz.

 Daha sonra çıkan pencerede ön ve son test puanlarını “Test Pairs” kutusundaki Variable 1 ve Variable 2 bölümlerine aktarıyoruz ve Ok diyoruz.

Tabloda Z ve P değerlerini görmekteyiz. P değeri .05’den küçük olduğu için öncelikle anlamlı bir fark olduğunu söyleyebiliriz. Peki bu ölçümün farkı ne yönde onu rapor etmemiz gerekecektir. Hatırlarsanız biz son testten ön test puanın çıkartmıştık değerleri ilgili kutucuğa atarken. Pozitif test puanlarının tabloya göre negatif puanlardan daha büyük olduğunu görüyoruz.  Son Test puanı Ön test puanından ne zaman büyük çıkacaktır? Son T> Ön Test olduğu zamanlarda olacaktır.  O halde farkın son test puanları lehine olduğunu ifade edebiliriz. Sonuçları tabloda ifade edecek olursak.

Bu tabloya bakarak, grubun iletişim becerileri puanlarına eğitim öncesi ve eğitim sonrası bakıldığında anlamlı bir fark olduğu görülmektedir. (Z= 2.148, p<0.05).

Bu farkın, puanlarının sıra ortalaması ve toplamına bakıldığında son test lehine olduğu görülmektedir. Dolayısıyla gruba verilen eğitim iletişim becerilerini artırmıştır.

The post Non-Parametrik Wilcoxon Testi appeared first on Cüneyt Akyol.

ZOOM Breakout Room

Bugün sizlere online ders imkanı Sunan ZOOM Programında Ücretsiz Zoom Breakout özelliğinin nasıl aktif edileceğini ve kullanılacağını anlatmaya çalışacağım. Eğitim öğretim ortamlarında içeriğin öğrencilere aktarılma süreci son derece önemlidir. Zoom programı bu içeriklerin aktarılmasnda pandemi sürecinde en çok kullanılan program olarak dikkat çekmektedir. İçeriklerin aktarılmasında öğrencilerin grup çalışması yapmaları onların daha kolay öğrendiklerini göstermektedir. Yapılandırmacı öğrenme yaklaşıma uygun olarak hazırlanan grup çalışması ve uygulanan etkinliklerin öğrencilerin bilgi eksikliklerini ve kavram yanılgılarını gidermede, geleneksel öğretim yöntemine göre daha etkili olduğu belirlenmiştir (Akgün, A., & Aydın, M. (2009). Uzaktan eğitim sürecinde gerek ücretsiz olması ve kolay bir ara yüze sahip olması gerekse EBA ile entegrasyonun sağlanması nedeniyle en çok kullanılan programın ZOOM olduğu görülmektedir. Daha çok öğrencilerin pasif dinleyici konumunda derslerin işlendiği bu platformda öğrencileri gruplandırarak onların akranları ile ortak çalışmalar yapmasını sağlayabiliriz.

İlk olarak Zoom kişisel hesabınız herhangi bir tarayıcıdan açarak settings (Ayarlar) sayfasından bu özelliği aktif hale getirmemiz gerekiyor. Bunun için “Settings” sekmesini tıklayıp sayfanın alt kısmındaki

Breakout room Özelliğin aktif hale getiriyoruz.

bu ayarı yaptıktan sonra bilgisayarımızda veya telefonumuzda kurulu olan Zoom programını açarak alt menüde Breakout room seçeneğinin aktif olduğunu görüyoruz.

Bu seçeneği tıkladığımızda bize kaç oda oluşturacağımızı ve odadaki katılımcıları belirlememizi istiyor. Oda sayımızı ve öğrencilerin gruplara otomatik olarak mı yoksa eğitmen tarafından mı atanacağını, öğrencilerin oda seçip seçemeyeceğini belirledikten sonra

“Options” kısmını tıklayarak yine katılımcıların oda seçmesi, gruplarda çalışması bitenlerin ne zaman dönecekleri, katılımcıların otomatik odalara yollanması, odanın bir çalışmada ne kadar aktif kalacağını, katılımcıların nasıl katılacağını, oda kapanmadan önce sayacın aktif olması vb. bu bölümden ayarlayabiliyoruz. Dilerseniz hazırladığınız odaların isimlerini değiştirip öğrencilerin odalardaki dağılımın da movies ayarlarından yapbilirsiniz.

Eğitmen istediğinde istediği grubun çalışmalarına Join sekmesini tıklayarak katılabilir veya gruptan geribildirimler, dönütler vermek amacıyla öğrencilere destek olabilirsiniz. Hepinize sağlıklı ve bol öğrenmeli günler dilerim…

The post Online Ders İmkanı Sunan ZOOM Programında Ücretsiz Breakout Room Özelliği Nasıl Kullanılır? appeared first on Cüneyt Akyol.

Kısaca hatırlayacak olursak, biz istatistik testleri iki gruba ayırmıştık bunlardan ilki parametrik, diğeri ise non-parametrik istatistiklerdi.  Bunların birbirinden farkı, parametrik istatistikler daha az hata barındıran daha güçlü kararlardı, ama sayıtılar sağlanmadığı zaman bunların non-parametriklerine başvurabiliyorduk.  İlk konuşacağımız test, Bağımsız Gruplar T- testinin non parametrik testi olan Mann Whitney- U Testi olacak.

Mann Whitney U Testi

Mann Whitney- U Testi

Bu testte amaç iki ilişkisiz örneklemden elde edilen puanların birbirinden anlamlı şekilde farklılık gösterip göstermediğini test eder. Bu test bağımsız örneklemler için uygulanan t testin non- parametrik halidir. Bu test bağımsız gruplar için t testi sayıltısının karşılanmadığı durumlarda kullanılır. Bu testin sayıltıları;

1. Bağımlı değişken en az sıralama düzeyinde olması gerekiyor.
2. Gözlemlerin birbirinden bağımsız olması gerekiyor.

Şimdi bir problem cümlesi üzerinden testimi yapmaya başlayalım.

Problem Cümlesi; Bir araştırmacı 46 kişilik bir grubun yarısını sınav kaygılarını azaltmaya yönelik 5 haftalık bir terapi yöntemi uyguluyor. Grubun diğer yarısına ise herhangi bir yöntem uygulamıyor. Bu beş hafta sonucunda terapi yöntemi uygulanan grup ile uygulanmayan grubun kaygı düzeyleri açısından anlamlı bir farklılık var mıdır?

46 kişi ikiye bölersek 23 kişi olarak ayrılacak- burada eşit olma zorunluluğu yok ama eşit olmasını tercih ederiz-. Test için 23 kişi ile normal dağılım sağlanamayacağı var sayılırsa non- parametrik test yapıyoruz. Aslında 30 sayısının üstüne çıktığımızda da normal dağılım göstereceği anlamına gelmiyor. Bunun için normallik testleri ile normal dağılım gösterip göstermediğine bakıyoruz.

Normallik testi için spss veri setlerimizi uygun girdikten sonra Anayze—> Descriptive Statistics—> Explore diyoruz

Tanımlayıcı istatistik tablomuza göz attığımızda ortalama ile medyan arasında oldukça fark var “skewness”, “kurtosis” değerleri istenilen değerler değil ve son olarak histogram grafiğimize baktığımızda;

Normal dağılım göstermediğini görmekteyiz. Artık non-parametrik test olacağı kesinleştiği için ve kız ve erkek olmak üzere iki bağımsız grup olması nedeniyle, Mann Whitney U Testini yapmaya geçebiliriz. Analyze—> Nonparametric Tests—>Legacy Dialogs—>2 İndependent samples … diyoruz

Daha sonra gelen pencerede kaygıyı “Test Variable List” kutusuna Grup değişkenini ise “Grouping Variable” kutusuna atıp grupları  1 (kız), 2 (erkek) diye tanımlıyoruz. Alt tarafta “Test Type” kısmı otomatik Mann- Whitney U olarak işaretli gelecektir. Daha sonra OK diyoruz ve outputları inceliyoruz.

Her zaman olduğu gibi ilk başta bir takım betimleyici istatistikler veriliyor bunlara bakacak olursak. 23 bay 23 bayan olmak üzere toplan 46 kişi var. Bayların ortalaması 19, 17 iken, bayanların ortalaması 27, 83 olduğu görülmektedir. Buradaki farkın anlamlılığına bakmak için, karar istatistiklerine baktığımızda;

Mann Whitney U değeri: 169,5 ve buna ilişkin manidarlık düzeyi ise .03 olarak görülmektedir.  Bu iki grup arasında manidar bir fark olduğunu göstermektedir. Bu farkın bayanların sıra ortalaması daha yüksek olduğu için bayanların lehinde diyebiliriz. Verileri makalede veya tezde ifade ederken aşağıdaki tabloyu kullanabiliriz.

Man Whitney U testi sonuçlarına baktığımızda 5 haftalık verilen terapi yönteminden sonra gruplar arasında anlamlı fark görülmüştür (U= 169.500, P<.05). Sıra ortalamaları dikkate alındığında terapi uygulanan grubun kaygı düzeyleri, kontrol grubuna göre daha düşük olduğu görülmüştür. (19.37<27.63)

The post Non-Parametrik Mann Whitney U Testi appeared first on Cüneyt Akyol.

Bilginin hıza arttığı ve mevcut bilgilerin yarılanma ömürlerinin gittikçe kısaldığı günümüz dünyasında eğitime dair birçok alanda hızlı değişimleri gerçekleştiğine şahit olmaktayız. Pandemi süreci ile hiç alışık olmadığımız bir şekilde uzaktan eğitim, online eğitim, senkron ve asenkron dersler gibi kavramları sıkça duymaya başladık. Aslında uzaktan eğitimin tarihi 17 yy. sonlarına denk uzanmaktadır. Dünyada posta sisteminin gelişmesi ile mektup yolu ile uzaktan eğitim çalışmaları yapılmaya çalışılmıştır. Uzaktan eğitim, kökleri günümüzden yaklaşık üç asır öncesine kadar uzanan disiplinler arası bir alandır. Dünyada ilk uzaktan eğitim uygulaması yapıldıktan yaklaşık iki asır sonra Türkiye Cumhuriyeti kurulmuş ve uzaktan eğitim düşüncesi zaman içerisinde ülkemizde de gündeme gelmiştir (Bozkurt, A. 2017).

Uzaktan eğitimin gelişmesi teknolojik araçların gelişimi ile doğru orantılı bir süreç izlemektedir. Birinci Evre olarak adlandırılan ve 1700’lü yılların başında dünyada mektup gönderimi şeklinde başlayan süreç, 1900’lü yılların başında radyo ve TV gibi teknolojilerin hayata geçmesi ile ikinci bir evreye geçmiş ve 1980’li yıllarda telekonferanslar ile tamamlanmıştır. 1990‘lı yıllarda internet ve web teknolojilerin insanlığın hizmetine sunulması ile üçüncü evreye geçilmiştir.

Türkiye’ de Cumhuriyetin ilanı ile kavramsal olarak tartışılmaya başlayan bu kavramlar 60’lı yıllara kadar hayata geçirilmemiştir. 1970’li yıllarda bazı çalışmalar yapılmaya başlanmış ve bu çalışmalar 1980 yılından itibaren artmaya başlamıştır. Bu tarihte Anadolu üniversitesi açık öğretim fakültesinin açıklaması ile yüksek öğretim düzeyinde çalışmalar başlamış ve 90 yıllar itibari ile ilk, orta ve lise ve üniversite düzeylerinde uzaktan eğitim bir sistem halini almıştır.  Merak edenler Yılmaz Büyükerşen Hocanın “Türkiye için Açıköğretim Modeli Projesi” inceleyip nasıl bir serüven yaşadığını araştırabilirler.

Ağ toplumu kuramı, Castells (2004) tarafından ortaya atılan ve yeni dünya düzenini ağların şekillendirdiğini ifade eden bir yaklaşımdır. Connectivism (Bağlantıcılık), dijital çağın öğrenme kuramı olarak (Siemens, 2004) ağlar üzerinde öğrenmeyi açıklayan bir kuramdır (Downes, 2011). Bağlantıcılığa göre bilgi ağlar üzerinde dağıtıktır ve öğrenme ağları oluşturabilme ve ağlar arasında gezinebilme becerisiyle ilgilidir (Downes, 2012). Öğrenme, bireyin ağlar ve ağlar üzerinde yer alan bilgi kaynaklarıyla etkileşimi sonucu oluşur.

Siemens, G. (2004) Davranışçı, bilişselci ve yapılandırmacı kuramlar öğretim ortamlarının yaratılmasında en sık kullanılan üç geniş öğrenme teorisidir. Ancak bu teoriler, öğrenmenin teknolojiden etkilenmediği bir zamanda geliştirildi. Şeklinde eleştirel bir yaklaşım ile bilginin hızla arttığı günümüzde öğrenme üzerine yeni bir kuramın gerekliliğini ifade etmektedir. Siemens bundan kırk yıl önce bilginin yarılanma ömrünün on yıllar ile ölçüldüğünü ama günümüzde bu yarılanma süresinin artık aylara indirgendiğini söylemektedir. Dünyada son on yılda üretilen bilgi bu zamana kadar üretilen bilginin yarısına denk gelmektedir. Belki şu an bile bu vermiş olduğum bilgi eskidi ve yerini yeni veriler aldı bile.

Bağlantıcılık, kaos, ağ ve karmaşıklık ve kendi kendine organizasyon teorileri tarafından keşfedilen ilkelerin bütünleşmesidir. Öğrenme, temel unsurların değiştiği belirsiz ortamlarda meydana gelen bir süreçtir- tamamen bireyin kontrolü altında değil. Öğrenme (eyleme geçirilebilir bilgi olarak tanımlanır) kendimizin dışında (bir organizasyon veya veri tabanı içinde) yer alabilir, özel bilgi setlerini birbirine bağlamaya odaklanır ve daha fazlasını öğrenmemizi sağlayan bağlantılar mevcut bilme durumumuzdan daha önemlidir. Özetle Siemens ağları günümüzde ham petrol taşıyan borulara benzetmektedir. Siemens “boru, içinde akandan daha değerlidir” demiştir. Özetle öğrenme, ağların içerisinde elde edilen bilgilerden daha kıymetlidir denilebilir. Ağların içerisinde örenmeyi öğrenmiş bireyler gelecekte daha çok proaktif olacaklarını söylemek yanlış olmayacaktır.

Peki büyük soru şu; bu kuram çerçevesinde okul ve öğretmenin rolü ne olacak? Şu an için bu kuramı ortaya atanlar dahil olmak üzere kimse net bir cevap veremiyor. Bu noktada benim ön görüm “Düğüm” kelimesi ışığında bu soruların cevaplarını aramamız gerekecek. Bağlantıcılık kuramında her ağ bir düğüm ile birbirine bağlanıyor. Eğer bu düğümler bireyler için faydalı ise ağlar bu düğümler etrafında öbekleşmeye başlıyor.

Yukarıdaki görsel Linkedin üzerinden yayınlanan bir kurs ve bu kurs sürecinde bireylerin kurdukları ağları görebilirsiniz. Bu süreçte Trecy bir düğüm oluşturmuş ve çeşitli öğrenmeler için kişi veya gruplar ondan faydalanmışlardır. İşte bu nokta da okullarımız bilgiyi üreten ürettikleri kaliteli bilgiler veya ortaya koydukları deneyimleri ile tercih edilen ve ağlarda sıkça bağlanılan “düğümler” olmak zorunda.

Öğretmenler bu düğümlerin oluşumunda kilit bireyler olacaktır. Faydalı bilgilerin toplandığı ve bu bilgiler ile yeni deneyimler elde eden öğretmenler düğümlerin gelişmesinde ve yaygınlaşmasında kilit role sahip olacaklardır. Ayrıca öğrenenler için ihtiyaç duyulan düğümleri keşfedip, öğrencilerini güvenli ağlar aracılığı ile bu düğümlere yönlendirme yapmaları beklenecektir. İlerlemeci felsefe ışığında ortaya atılan yapılandırmacı yaklaşımda da öğretmenlerin bilgiyi aktaran değil bilgiye erişmede rehberlik eden öğrencileri yönlendiren kişiler olması beklenmektedir. Bu rol Connectivism ile “ağ montörleri” şeklinde bir role de evrilecektir. Hangi yaklaşım, kuram, felsefe olursa olsun öğretmenlerin öğrenme sürecindeki rolleri değişecek ama hiçbir zaman değersiz kalmayacaktır.

Kaynakca

1. Bozkurt, A. (2017). Türkiye’de uzaktan eğitimin dünü, bugünü ve yarını. Açıköğretim Uygulamaları ve Araştırmaları Dergisi, 3(2), 85-124.
2. Bozkurt, A. (2016). Bağlantıcı kitlesel açık çevrimiçi derslerde etkileşim örüntüleri ve öğreten-öğrenen rollerinin belirlenmesi. Doktora Tezi. Anadolu Üniversitesi, Sosyal Bilimler Enstitüsü, Uzaktan Eğitim Anabilim Dalı. Eskişehir.

3. Downes, S. (2020). Bağlantıcılıkta Son Çalışmalar. Avrupa Açık, Uzaktan ve E-Öğrenme Dergisi, 22 (2), 113-132.
4. Downes, S. (2012). Connectivism and connective knowledge: Essays on meaning and learning networks.
5. Siemens, G. (2004). Connectivism: A learning theory for the digital age.

http://www.itdl.org/Journal/Jan_05/article01.htm (Erişim tarihi: 6.11.2020)

The post UZAKTAN ÖĞRENME VE CONNECTIVISM (BAĞLANTICILIK) KURAMI appeared first on Cüneyt Akyol.

Şimdiye kadar iki grup ortalaması karşılaştırdık, yani hem bağımsız hem de bağımlı gruplar için T -testini konuştuk. Şimdi bağımsız gruplar T- Testini bir hatırlayalım. Burada A ve B grubunun ortalamaları arasında fark var mıdır diye sormuştuk. Her zaman iki grup olmuyor bazen 2’ den fazla gruplar olabiliyor. Örneğin A ve B grubuna ek olarak C ve D grubu da ekleseydik o zaman A ile C, A ile B ve A ile D arasında farka bakmak için üç tane test yapmamız gerekirdi. Biz mümkün olduğunda az test yapmak istiyoruz, bunun nedeni hata yapmamak için. Bunu tek yönlü varyans analizi ile yapıyoruz.

Tek yönlü (faktörlü)Varyans  Analizi; İlişkisiz iki yada daha çok örneklem ortalaması arasındaki örneklem arasındaki farkı test etmek için kullanıyor. Yani iki ve ikiden fazla örneklem ortalamaları arasındaki farkın sıfırdan anlamlı bir şekilde farklı olup olmadığını test etmek için bu analizi kullanırız.

SPSS programına veri setimizi girdiğimizde gruplar ve bu grupların puan ortalamaları arasında fark var mı buna bakacağız. Burada “paired” lik bir durum yok yani kişilerin puanlarının sütunda karşılıklı olması durumunu gözetmeye gerek yok.

Peki burada veri setinde kaç grup olduğunu nasıl görebiliriz? Yani grup değişkenini nasıl betimleriz. Bunu Analyze—> Descriptives Statistics—>Frequencies kısmından yapabiliriz. Grup değişkenini açılan kutuda Variable kutusuna göndeririz ve Ok deriz ve grafik olarak Bar grafiği isteye biliriz çünkü kesikli (süreksiz) bir değişken olduğu için “Bar” veya “Pie” isteyebiliriz.

Burada One-Way Anova için dizayn ettiğimiz veri bu. Bazen bize çok fazla veri gelecek ve biz bunları hemen kolaylıkla ayırt edemeyebileceğiz. Kaç grup var, değişkenin kaç düzeyi var bunları belirlemek gerek.

Tablo ve grafikte de görüldüğü üzere grupların sayıları frekansları ve yüzdeleri açık bir şekilde görülebilmektedir.

ANOVA’ nın uygulanması için olması gereken VARSAYIMLARI incelersek

1.Karşılaştırılacak gruplar ilişkisizdir. Yani gruplar bağımsız olmalıdır.

2. Puanlar etkisi araştırılan faktörün her bir düzeyinde normal dağılım göstermeli. Yani burada 3 grup için normal dağılımda olup olmadığını inceleyeceğiz. A, B ve C grubu için ayrı ayrı normal dağılım olup olmadığına bakılması gerekiyor.

3. Bağımlı değişkene ilişkin varyanslar Homojen olmalı (Levene F testi)

ÖNEMLİ : Faktör analizinde bazı kavramları netleştirmek gerek,. Burada bağımlı değişken puan, bağımsız değişkenim grup, varyans analizinde genellikle bağımsız değişkene faktör derler yani burada grup bir faktör. Bizim burada tek faktörümüz var (A, B, C grupların düzeyini ifade eder yani eğitim durumu faktörü düşünelim bunun da 3 düzeyi var ilk, orta, lise diye düşüneceğiz)

Her zaman tek faktör olmayacak örneğin cinsiyet ekleseydik o zaman ikinci faktörümüz cinsiyet olacak ve 2 düzeyi olacak (Kız- Erkek). Bunu faktör analizindeki faktörle karıştırmayalım.

Yani biz her bir faktör düzeyinde normal dağılmış mı dağılmamış mı buna bakacağız.

Bunu Data—>Split File—> Organize utput by gruoups tıklayıp grup değişkenini kutucuğa yerleştiriyoruz.

Daha sonra Analyze—>Descriptive Statistics—>Frequencies kısmında görmek istediğim puana dair “Mean”, “Median”, “Skewness”, “Kurtosis” (Statistics Kısmını tıklayıp) bunlara bakarak normalliğe bakabiliyorduk. Burada Chart için Histogram isteyeceğiz çünkü puan sürekli (kesiksiz) değişken olduğu için Histogram kullanıyoruz.

Split File dan gittiğimiz için şu an file split edecek gruba göre yani output  A B C diye görebileceğiz.

Buradan Mean ve Median bir birine yakın, Kurtosis yani çarpıklık yine sıfıra yakın olduğu için ve üstteki histogram grafiği de normale yakın olduğu için A grubu Normaldir diyebiliriz.

Yine B grubumuza baktığımızda “Mean” ve “Median” değerleri 105 nerdeyse aynı, Kurtosis 0 a yakın oldukça iyi histogram grafikte normal gibi o halde normal diyebiliriz.

C de normal gibi duruyor, şimdi diğer yoldan bakalım bunu daha profesyonel şekilde görmek için Explore yapalım. Bunun için Spliti kapatmayı unutmuyoruz

Split Analyze all cases. do not care groups dedikten sonra okey deyip. Split işlemini iptal etmiş oluyoruz.
Tekrar Analyze—> Descriptive Statistics—>Explore diyoruz.

Burada Dependent list kutusuna bağımlı değişkenimiz olan puanı, Faktör kısmına da Grup faktörümüzü atıyoruz.
Statistics tıklıyoruz ve outliers  var mı diye bakmak istersek bunu tıklıyoruz, plots kısmında yine sürekli değişken olduğu için histogram isteyelim ve normality plots with tests i tıklayalım ve Ok diyelim.

Görüldüğü üzere ilk tabloda gruplarda olan öğrenci sayılarını görüyoruz.  Yukardaki tabloda ise yine median ortalama, varyans, çarpıklık gibi değerleri görüyoruz.

Bu tabloda ise en yüksek  ve en düşük 5 öğrencinin hangileri olduğunu her grup için görebiliyoruz.

Test of Normality değerlerine baktığımızda A, B ve C gruplarının normal dağıldığını Kolmogorov- Smirnov  söylüyor. Genelde pek söylemez ama Değerlerinden anlıyoruz p > .05 yani anlamlı fark yok yani normal dağılıyor.

Histogramları da her grup için ayrı ayrı  normal

Q-Q plot grafikleri de normal görülüyor.

Outliers yok yani makale yazarsak her 3 grupta da outliers olmadığı görülmüştür yazılabilir.

3. Sayıltımız hatırladığımız üzere varyansların homojen olması gerekliliğiydi. Bağımsız gruplar için t- testinde de bu sayıltı vardı ve biz bu kontrolu levene’s testi ile bakmıştık burada da levene’s istatistiğine dair değerimizin .05’den büyük olmasını bekleyeceğiz. P >.05

Bütün bunları kontrol ettikten sonra artık One Way Anova testimizi yapabiliriz. Bunun için Analyze—> Compare Means—> One- Way Anova_ tıklıyoruz. Burada bağımlı değişkene puan, faktör kısmına ise grup ataması yapıyoruz.

Options kısmını tıklayıp

Descriptive, biraz önce dediğimiz gibi LEVENE’ s Testi yani varyansların homojen olup olmadığına bakmak için levene testini istiyoruz ve son olarak Means Plot deyip continue diyoruz. Daha sonra ok deyip tabloları okumaya başlıyoruz.

Burada gruplardaki kişi sayılarını görüyoruz. Araştırmacıların hataya düştüğü bir nokta gruplardaki kişi sayılarının eşit olmasını bekliyorlar. Mümkünse eşit olmalı ama değilse de sorun yok .  Ortalamaları da göstermiş “Mean plot” ile bunları grafik halde de verebiliriz.

Bu grafiğe bakarak A ile B arasında fark var görüyoruz,  A ile C arasında da fark var ama B ile C arasında var mı net değil. Aslında varyans analizi bunu yapıyor. Yani A ile B, A ile C , B ile C arasında fark  var mı bize bunu söyleyecek ve bunu tek bir testle yapmak için ANOVA yaptık biraz önce de söylediğimiz gibi 3 tane bağımsız gruplar T testi yapmaya gerek yok.

Varyanslar’ın homojen mi değil mi olduğunu söylemek için sig. Değerine bakıyoruz sig. Değeri , 863 olduğu için P > .05 olduğu için varyanslar arasında fark olmadığı için varyanslar homojendir diyebiliriz.

Grupların ortalamaları arasında anlamlı fark var mı yok mu bunun için ANOVA tablosuna bakıyoruz. Sig. Değeri .05’den küçük olduğu için anlamlı diyoruz. Bu ne anlama geliyor bu 3 gruptan en az bir tanesi diğerlerinden farklı diyebiliriz.

Burada hangi grupların nasıl farklı olduğunu anlamamız gerekiyor bunun için de Post Hoc test yapmamız gerekecek. Bu test varyans analizinde gruplardan en az birinin farklı olduğuna kanaat getirirsek bu farkın hangi gruplar arasında olduğunuı görmek için yaptığımız ek bir analizdir.

Bunun için Analyze—> Compare means—> One Way Anova  deyip Post Hoc test tıklayıp Scheffe testi işaretleyip OK diyeceğiz.

Bu tablo bizim için ne anlam ifade ediyor? çünkü biz ikili karşılaştırma yaptık. Aile B grubunu karşılaştırdı .000 fark var A ile C arasında .000 fark var ama B ile C arasında .345 olduğu için fark yok bunların kimin lehine olduğunu görmek için ortalamalara bakabiliriz. Artık bunu tablolaştırıp yorum yapabiliriz.

Bu farkı belirlemek için Post Hoc Sheffe test sonucunda A grubu ile B A grubu ile C grubu arasında fark olduğu bu farkın A grubunun her iki gruptan da daha düşük olduğu görülmüştür. 

The post İlişkisiz Örneklemler İçin Tek Yönlü Varyans Analizi (One- Way ANOVA) appeared first on Cüneyt Akyol.

Bağımlı örneklem T-Testi birçok parametrik testte olduğu gibi ortalamaların karşılaştırılması esasına dayanır. Yalnız burada iki örneklem değil, tek örneklem vardır. Aynı örneklem grubu üzerine ölçümler tekrarlanır. Örneklendirecek olursak aynı sınıfta öğrenim gören öğrencilere farklı zaman dilimlerinde başarılarını ölçtüğümüzü düşünebiliriz. Burada bağımlı gruplar T-testi aradaki farkın 0 olup olmadığına araştırır diyebiliriz.

Eski Bilgileri Hatırlayalım: .05 düzeyinde fark ne anlama geliyordu ?
Öncelikle eski bilgilerimizi hatırlayacak olursak, .05 fark var demek ne anlama geliyor ? burada istatistiksel olarak bahsedilen durum yüzde 5 lik bir hatadan bahsediyoruz. Yani matematiksel fark ile istatistiksel farkı ayırt etmemiz gerekiyor.  İstatistiksel verileri örneklemden elde ediyoruz bu durumda elbette evren ile örneklem arasında bir fark olacaktır, Biz normalde aynı olmasını isteriz ama genelde olmaz. Yani özetle örneklemden bulduğum ortalamaları evrene genelleseydim bir fark çıkacak mıydı, istatistiksel olarak anlamlı fark burada ortaya çıkıyor.  Biliyorum ki bunlar örneklemlerden elde edildi, evrene çıksaydım bunlara fark demeye değer miydi işte bu istatiksel olarak fark olarak ifade ediliyor. Yani burada .05 değeri bunun ifadesi  diyebiliriz

Bağımlı örneklemler (Gruplar) İçin T -testinde aynı örneklemden elde edilen iki ölçüm arasında fark var mı buna bakacağız, önce ve sonra ölçüm alacağız, burada yapacağımız şey aynı örneklemden elde edilen iki ölçüm arasında fark var mı yani benim sabit bir örneklemim olacak, bu örneklemden önce ölçüm alacağım bir de sonra ölçüm alacağım o zaman bağımlı örneklem t, testi kullanacağız. Yani burada önemli nokta hem uygulama yapılacak grup aynı hem de ölçek aynı olacak, diğer dikkat edilecek husus ise. Veri girilirken birinci sıradaki öğrenci diyelim ki Ahmet sütun 1’deki ön test ile sütun 2’deki son test Ahmet’e ait olmalı. Birçok kişi bunu fark etmez diye dikkate almıyor ama bu sonucu etkiliyor. Veriler girilirken “paired” şeklinde girilecek yani Ahmet’in ön test ive son testleri aynı sütununa girmek gerekiyor. Paired eşleştirmesi yapılmazsa anlamsız olur çünkü BGTT için paired olarak karşılaştırma yapıyor zaten.

Hatırlatma : Bağımlı Örneklem T-testinde örneklem 30 dan küçük ise (n< 30) ise normal dağılım göstermeyen bir veri için bile güvenilir sonuç verir. Normallikten sapma belli bir değere kadar kabul edilebilir. Çünkü sapmanın I. Tip hata üzerine etkisi yoktur (H₀ doğru olduğu halde yanlış kabul etmek)

Sonuç olarak Testin Amacını : İlişkili örneklemden elde edilen iki ortalama arasındaki farkın istatistiksel olarak anlamlı olup olmadığını test etmek için kullanılır.

Örnek durum: Bir araştırmada bir grubun başarı puanlarına ilişkin ön test son testlerini araştırdığımızı varsayalım

Bu testte de diğer testlerde olduğu gibi verileri girdikten sonra SAYILTILARA bakacağız. Bağımlı Gruplar T- Testi (Paired- Samples T-Test) İçin;

SAYILTILAR

-Bağımlı değişkene ait ölçümler en az aralıklı ölçme düzeyinde olacak, burada bağımlı değişken başarı puanı, ölçümlerde bağımsız değişken oluyor. Bağımlı değişkene ait ölçümler sınıflama ya da sıralama düzeyinde bir veri ise bağımlı gruplar t testi yapılamaz.

-İlişkili iki ölçümde fark puanları normal dağılım göstersin. Bağımsız gruplar T-Testinde her grup kendi içinde normal dağılım göstersin istiyorduk burada ise başarı puanları ayrı ayrı anlamlılık göstersin istiyoruz. Veri girerken ön test son test olarak girdik. Burada 37 kişilik bir sınıfa uygulama yaptığımızı düşünelim.

verileri (Data View) şekildeki gibi girdik peki farkları nasıl alacağız. bunun için Transform—> Compute Variable ile yapıyoruz, Target Variable sütuna vereceğimiz ismi soruyor buna “fark” diyelim. Burada SPSS’ e ön test ve son test puanları arasında farkı almasını söyleyeceğiz ve bunu yeni bir sütunda göstermesini isteyeceğiz

Biz son testten ön testi çıkarmak istiyoruz. O halde “Numeric Expression” kısmına “son-ön” (Ön- Son deseniz de bir şey fark etmeyecektir sadece sonuçların önüne – işareti gelecektir ) diyoruz. SPSS programı, son test puanlarından ön test puanlarını çıkar ve bunu yeni bir fark isimli sütunda bize göster diyoruz.

Gördüğünüz gibi üçüncü sütunda son test- ön test başarı puanlarını bize gösterdi. Kısaca hesaplamayı bu şekilde yapıyoruz. Sayıltı kontrolü şunu istiyor bu fark puanları normal dağılmış mı bunu görmek istiyor. Bunu yapmak için ;

Analyze—> Descriptive statistics—> explore diyoruz

Burada Dependent List kısmına fark puanlarını yerleştiriyoruz. Plots kısmını tıklayıp

“Normality plots with test” tıklıyoruz ve “Histogram” grafiğini seçiyoruz ve Continue deyip Ok diyoruz

Yukarıdaki gibi tablolar output dosyası içerisinde görülecektir. Bu tablo verileri bizlere birçok şey ifade etmektedir. Aslında normalliği incelemek için birçok veriden faydalanabiliriz. Örneğin ortalama ve medyana bakarız bir birine yakınsa normal deriz tabloda 37 kişiden oluşan örneklemimiz için “Mean” : 1.2, “Median” 1.00 oalrak verilmiştir. Görüldüğü üzere bir birine yakın veriler ama net bir şekilde “normal dağılım vardır” diyemeyiz,. İncelemeye devam edelim su seferde “skewness” ve “kurtosis” değerlerine bakarız. Eğer bu değerler sıfıra yakınsa deriz ki normal olabilir. Daha kesin bir sonuç için gelin normallik testleri ve grafikleri inceleyelim. Aşağıda Test of normality tablosu görülmektedir.

Kolmogorov-Smirnova (N>50 -kimi araştıracılara göre N>30-) burada örneklem küçükse, Shapiro-Wilks (N>50),  örneklem büyükse Kolmogorov-Smirnova bakıyoruz. Biz kısmen büyük olduğunu düşünürsek örneklemimizin o zaman kolmogorov’a  bakalım. Burada sig= .000 yani p<.005 normalden manidar derece farklı yani normalden anlamlı derecede farklı ise normal değil diyoruz.  Normal olması için sig. değerinin .05’den büyük olması gerekecekti (p>.05) Daha önce demiştik kolmogorov küçük birşeyle normal dağılım vermeyebilir. Onun için biz son olarak “histogram” grafiğine bakıyoruz.

Histogram grafiği sanki normal dağlım gösteriyor gibi çok az sapmalar var

Q-Q Plot grafiğini de inceleyecek olursak

Q-Q plot da da gördüğümüz gibi birkaç sapma var ama bunu normal dağılım gösteriyor diye kabul edebiliriz

Şimdi Teste geçebiliriz. problem cümlemiz

Niğde Bilsem bilişim teknolojileri dersine kayıtlıBYF-1 grubu öğrencilerine derse başlamadan önceki uygulanan tutum ölçeği ile bilişim teknolojileri dersi aldıktan sonra uygulanan tutumları ölçeği puanları arasında istatistiksel olarak anlamlı fark var mıdır ?
Yani burada bir grup var (Niğde BİLSEM BYF-1 (37 Öğrenci) ) tekrarlı bir ölçüm aldım (Tutum ön test- Son test) ve bu fark anlamlı mı değil mi buna bakacağız.

Variable de fark sütunun silebiliriz artık onla işimiz yok normallik için almıştık. Ön ve son test puanlarına bakmak için

Analyze—> Compare Means—> Paired-Samples T-Test diyoruz. Kontrol tuşuna basılı tutarak ikisini seçip ve OK diyoruz.

Korelasyon katsayısı çok karıştırılır. Bu da korelasyon ile fark arasındaki farkı bilmemekten kaynaklı bir durum ortaya çıkabilir. .  Eğer biz ilişkiden bahsedeceksek biri artarken diğeri ne oluyor? yani artıyor mu azalıyor mu buna bakarız ?. Ama farktan bahsedeceksen “birinin ortalaması şudur diğerinin fark ortalaması şudur” bunlar farklı yani ilişki başka bir şey fark başka bir şey. Aslında Samples Correlations bir işimize yaramıyor şu an. onu yorumlamamıza gerek yok .

Bu tabloya bakarak yorum yapacağız. Ön test son test tablosunda bakınca sig.  Değeri .05’den küçük olduğu için anlamlı fark var yani elde edilen 12, 04 ortalama ile 13, 61 ortalama arasında anlamlı fark var diyor. Fark var deyince işimiz bitmiyor burada fark varsa bu kimin lehine açıklamak lazım yani ön test mi son test mi bunu açıklamamız gerekiyor burada ortalamalara bakmamız gerek burada son test ortalaması daha büyük. Şimdi bu değerlere bakıp bir tablo oluşturuyoruz ve yorumu yapıyoruz

Tablo incelendiğinde analiz sonuçlarına göre 37 öğrencinin ön ölçüm ortalaması 12, 04 ve son ölçüm ortalaması 13, 64′ dür. Öğrencilerin derse başlamdan önce aldıkları puanlar ile kursun bitiminde sonra ölçekten aldıkları puanlar arasında istatistiksel olarak anlamlı bir farklılık olduğu görülmektedir.  [t36=-6.484, p<.05 ].

The post Bağımlı Gruplar (Örneklemler) İçin T -Testi appeared first on Cüneyt Akyol.

Bu tür testlerde örneklemlerin bir birinden bağımsız olması gerekiyor. Biraz daha açacak olursak iki grubun (kadın- erkek, evli-bekar, deney-kontrol grubu, vb), ortalamaları karşılaştırılarak, aradaki farkın rastlantısal mı, yoksa istatistiksel olarak anlamlı mı olduğuna karar vermek istendiğinde “Bağımsız Gruplar t-testi” kullanılır. Bu noktada yapacağımız hipotez testimizde bağımlı ve bağımsız örneklemler belirlenmeli, bağımsız örneklemlerde grupların bağımsız olması beklenmektedir.

Bağımlı gruplar için T- Testi ise aynı örneklem üzerinde tekrarlı ölçümler yapma diyebiliriz. örneğin Deney grubuna ön- test ve son- testi yapıyorsak bu bağımlı gruplar , deney ve kontrol grubuna ön test yapıyorsak ise bağımsız gruplar diyoruz. önceki bilgilerimizi de hatırlama adına araştırma sorumuzu oluşturacak olursak

Bağımsız Gruplar İçin Araştırma Sorusu : Deney ile kontrol grubunun ön test puanları arasında fark var mıdır?

Bağımlı Gruplar İçin Araştırma Sorusu : Kontrol grubunun ön test ile son test puanları arasında fark var mıdır? şeklinde olacaktır. Biz bu yazımızda Bağımsız Gruplar İçin T-Testi Hakkında konuşacağız.

Bu noktada bizlerin ilk yapacağı öncelikle grup sayımıza bakacağız. Çünkü bu sayılara göre yapacağımız testler farklılık gösterecektir. Örneğin deney ile kontrol grubu karşılaştırılıyorsa burada 2 grup var diyeceğiz. Ama bu gruplara bir üçüncü grup eklersek, diyelim ki izleme grubu eklemiş olalım o zaman yapacağımız testler de farklılaşacaktır. Daha sonra özelliklere bakacağız, Yani parametrik mi?, non- parametrik mi ?, bağımlı- bağımsız gruplar mı gibi.

Örneğin ; Kırsal kesimde yaşayan öğrenciler ile kentlerde yaşayan öğrencilerin covid-19 sürecinde öğrenme kayıpları var mı? şeklinde bir soruyu ele aldığımızda bu araştırma sorusu için SAYILTILARIMIZ’ a bakıyoruz

• Gruplar ilişkisiz mi ilişkili mi? ; burada kırsal ve kent olduğu için ilişkisiz (Bağımsız)
• Bağımlı değişkene ilişkin ölçümler her zaman iki grupta da normal mi? Yani hem kırsal hem de kent için normal dağılım gösteriyor mu? Bu genelde yanlış anlaşılıyor. Birinin normal dağılımı yeterliymiş gibi bir algı var. Her iki grup için de ayrı ayrı bakmamız gerekiyor.
• Bağımlı değişkene ait ölçümlerin en az eşit aralıklı veya oranlı olması lazım, sıralama ve sınıflama ölçeği ile bağımsız gruplar t- testi yapamayız. Bildiğiniz gibi sınıflama (Kadın- erkek, evli- bekar vb. ) ve sıralama (öğrenim durumu, ) ölçekleri ile matematiksel işlemler yapamayız. sadece frekans, yüzde, gibi değerlere bakabiliriz
• Her iki grubun varyansları eşit olmalı, yani kentteki unutmamış, kırsaldaki unutmuş ise varyans farkı çok olacaktır.

Örnek durum

Niğde Bilsem 7. Sınıf öğrencilerinin Fen Bilimleri dersine yönelik tutumlarının cinsiyet faktörü açısından incelenmesini ele alalım. Bu durumda cinsiyet 2 (kız- erkek) olduğu için bağımsız gruplar t- testi yapacağız. Sayıltılara bakacak olursak bunun için SPSS programında veri girişini “Variable view” kısmında puan ve cinsiyet olarak tanımlıyoruz. Variable View kısmında puan cinsiyet değişkenlerini ayarlıyoruz burada cinsiyet nominal bir veri yani derecelendirmesi olmayan veri anlamına geliyor, puan scale çünkü sayısal bir veri olduğu için bunu seçiyoruz. Daha sonra “Data View” kısmından verilerimizi iki ayrı sütuna giriyoruz.

Öncelikle kaç öğrencinin kız kaç öğrencinin erkek olduğunu anlamak için burada ne yapmamız gerekecek bunu nasıl yapabiliriz ? çünkü bize her zaman az sayıda veri gelmeyecek bazen yüzlerce veri girmemiz gerekebilir ve bu verilere ilişkin sayıları görmek isteyebiliriz bunun için SPSS programında Analyze—> Descriptives statistics—>Frequencies tıklayıp variables kutusuna cinsiyet değişkenini atıp OK diyoruz. Böylelikle toplam kız ve erkek sayısını rahatlıkla görebiliyoruz

Bilimsel araştırmalarda genellikle yaygın bir anlayış olarak cinsiyetlerin bir birine eşit olması beklenir. bu her zaman her araştırma da eşit olmayabilir, fakat aralarında çok uçuk değerlerde de fark olmaması gerekir. (Sünbül, Ö. 2020/ EPÖ Doktora İstatistik Dersi)

Burada tabloyu yorumlayacak olursak, grup incelediğinde 50’si bayan 70’i erkek olmak üzere toplamda 120 kişiden oluşturmaktadır. Katılımcıların yüzde 41,7 bayanlar yüzde 58 için erkekler oluşturmaktadır.bu durumu grafik ile ifade etmek istersek yine Analyze—> Descriptives statistics—>Frequencies–> Chart kısmını tıklayabiliriz. Burada cinsiyet sınıflama ölçeği olduğu için “Bar” veya “Pie” Chart seçilebilir.

Grafikte oynama yapmak istersek üzerine çift tıklayıp gerekli düzenlemeleri yapabiliriz. Sayıltılarımızda puanların normal dağılım gösterip göstermediğine bakmamız gerektiğini hatırlayalım. Eğer biz 120 kişinin puan dağılımını görmek istersek yine Chart kısmında histogramı seçip normallik eğrisini göster dediğimizde normal dağılım 0lup olmadığını görebiliriz. Ama biz kızların ve erkeklerin nasıl dağılım gösterdiğini ayrı ayrı görmek istersek birkaç farklı yoldan yapabiliriz

Bunun için farklı yollar var;
Birinci olarak data menüsünde Split file kısmını tıklıyoruz burada cinsiyeti seçip “Organize output by groups olan kısmı tıklıyoruz ve Ok diyoruz.

Sonra tekrar Analyze—> Descriptives statistics—>Frequencies deyip Charts kısmında histogramda normal dağılımı göster deyince kadın ve erklerin ayrı ayrı normal dağılımını inceleyebiliyoruz

Histogram grafikelri incelendiğinde hem erkeklerin hem de kadınların normal dağılım gösterdiğini söyleyebiliriz

Bir diğer yöntem ise Analyze kısmındaki Explore sekmesinden ise normalliğe bakabiliriz ama bunun için bir önceki Split File işlemini iptal etmeliyiz yani SPSS bütün işlemleri oradaki ayara göre yapacağı için onu iptal etmemiz gerekecektir. Data—>Split File— >Analyze all cases do not create groups aktif ediyoruz ve Split işlemini iptal etmiş oluyoruz.

Daha sonra Analyze—> Descriptives statistics—> Explore tıklıyoruz
Bağımlı değişken kısmına ” puan” , faktör list kısmına ise “cinsiyeti” atıyoruz,. Statistics outlinerleri görrmek istersek tıklıyoruz, Descriptivies de seçildikten sonra , Plots’ dan Normality plots with test’ i seçip , Steam ile başlayanı deaktif ediyoruz ve histogramı tıklıyoruz. Burada tutum puanlarının normal dağılıp dağılmadığını histogram grafiğinde de görmek istiyoruz

Burada dağılımın normal olup olmadığını anlamak için kırpılmış ortalamalar ile medyan değerlerinin birbirine yakın olması normal dağılım olduğunu gösterir. Başka bir yol ise Skewness çarpıklık ve Kurtosis basıklık değerlerine bakarım bu değerler +1 ile -1 veya +3 ile -3 arasında değerler alması demek normal dağılım olduğunu gösteriyor sıfıra yakın olması çok daha iyi yani normal dağılım gösterme eğiliminde olduğunu bize göstermektedir.

Extrem values da en yüksek puanı alan 5 bireyin puan değerleri ile hangi sırada olduğunu söylüyor bunları görmek istersek buradan bakıyoruz, eğer en yüksek ile en düşüğü atmak istersek yine bu tablodan bakabiliyoruz.

Normallik incelemesinde Kolmogorov- Smirnow ve Shapiro- Wilks değerlerine bakabiliriz. Sig. değeri >. 05 olduğu için bayanları da erkeklerin de aralarında fark yok yani her ikisi de normal dağılım gösteriyor diyebiliriz. Kolmogorov- Smirnowher zaman normal dağılım konusunda bu değerleri vermeyebilir bunun için bu değere bakıp hemen normal dağılım göstermiyor dememeliyiz. Genelde örneklem sayısı 50 den büyükse Kolmogorov- Smirnow küçükse Shapiro- Wilks değerlerine bakılıyor. (Sünbül, Ö. 2020/ EPÖ Doktora İstatistik Dersi)

Burada bayan erkek ortalamaları üst ve al puanlar gözüküyor grafik 66′ cı bireye dikkat edin diyor, 66. birey olmasa sileceğiz sonra tekrar normalliğe bakacağız eğer olmazsa normallik o zaman transformasyonlar var Ayrıca varyanslar , standart sapmaları yakınsa normallik sağlanmış oluyor

Tüm bunları kontrol ettikten sonra artık Bağımsız Gruplar T- Testini yapmaya başlayabiliriz

Bunun için Analyze—>Compare Means—> İndependent- samples T-test tıklanır. Burada Test Variable “başarı puanı” Grup Variable ise “cinsiyet” olarak seçildikten sonra gruplar 0 ve 1 diye atanır ve sonra ok denir.

Önce varyanslara bakarsak Levene’s Test for Equality of Variances değerlerinde ikinci satırda Equal variances not assumed olduğu için yukardaki satırdan devam etmek gerektir yani varyanslar .05 den büyük çıkmış varyanslar arasında fark yoktur diyoruz bu durumda bakmamız gereken üst satır burada Sig. (2-tailed) bakarız .003 çıktığı için bunların arasında fark var yani bayanların puan ortalamaları ile bayların puan ortalamaları arasında istatistiksel fark vardır demektir.

Burada kim daha büyük bunu söylemek için üst tabloda ortalamaların 52. 58 erkeklerin lehine olduğunu söyleyebiliriz

The post Bağımsız Gruplar (örneklemler) İçin T- testi appeared first on Cüneyt Akyol.

Matbaanın icadı ile dünyada eğitim büyük bir ivme kazanmıştır.  Kullanılan teknolojik bir aracın eğitim dünyasına neler kazandırdığını açık ve net olarak gösteren bu araç, o zamanın eğitim sistemini temelden ve derin bir şekilde etkilemiştir. Bilgiye erişimin kitaplar ile yaygınlaşması ile yeni gelişmeler, icatlar ve buluşlar arka arkaya gelmeye başlamıştır.

Günümüzde uzaktan eğitim kavramının sıkça duymaktayız. Basılı kaynaklar, posta servisleri, radyo ve televizyon aracılığı ile yapılan ve değişen toplum ihtiyaçları ve öğrenci profilleri ile artık yeni bir yapıya bürünen bu eğitim anlayışı internetin ortaya çıkması ile bambaşka bir evreye geçmiş bulunmaktadır. Senkron, asenkron ve yarı senkron şekilde ifade edilen yeni anlayış, öğrenci- öğretmen ve içeriğin aktarılması için eğitim materyallerinin etkileşimi internet alt yapısının gelişmesi ile daha bir anlamlı hale gelmiştir.

Sizlere bu yazımda online bir platformda öğretim etkinlikleri planlarken kullanabileceğiniz interaktif bir video aracı olan Playposit web aracını tanıtacağım. Playposit uygulaması etkileşimli özellikleri ile geleneksel sınıf deneyimi yaşatması nedeni ile birçok eğitimci tarafından uzaktan eğitim platformlarında kullanılmaktadır.  Bu platformda eğitim video akışı içerisinde çoktan seçmeli sorular, boşluk doldurma, doğru yanlış vb. ölçme araçlarını kullanarak online ortamda anlık geribildirim alma olanağı sunmaktadır. Kavramları düzeltmek, otomatik not ataması ile anlık performansa dayalı geri bildirim vermek amacı ile de kullanılabilecek platform standart videoları 3 kat daha etkili hale getirmek konusunda garanti vermektedir.  Çeşitli öğrenme yönetim sistemlerine (LMS) kolay bir şekilde entegre edilebilmektedir. Google Classroom, Edmodo, Zoom gibi uygulamalara çok kolay bir şekilde bağlanan Playposit bu özelliği ile işleri oldukça kolaylaştırmaktadır. Office 365 hesabım ile giriş yaptığım bu web aracında oluşturduğunuz Bulbları öğrencileriniz ile paylaşarak, öğrencinin video izlerken hangi soruya ne kadar sürede cevap verdiğini ne derece doğru verdiğini, videonun neresinde duraksadığını kolaylıkla kontrol edebilirsiniz.  Ayrıca Google Chrome eklentisi indirerek kolaylıkla ekran kaydı alıp sınıfınıza kod ile eklediğiniz öğrencilere interaktif videolarınızı gönderebilirsiniz.

Daha ayrıntılı bilgi almak için https://go.playposit.com/ adresine giderek kaydolabilir ve Senkron ve asenkron olarak tasarladığınız uzaktan eğitim modellerinde kolaylıkla kullanabilirsiniz. https://www.youtube.com/watch?v=Eb6rsfCcB-8 adresinde ise video uygulaması ile ilgili ip uçlarını izleyebilirsiniz.

The post Uzaktan Eğitimde PlayPosit Uygulaması ile İnteraktif Videolar Hazırlama appeared first on Cüneyt Akyol.