Yarı Deneysel Tasarım Örnekleri: Türleri ve Gerçek Hayattaki Kullanım Durumları

Yarı deneysel tasarımlar, seçkisiz (rastgele) atamanın mümkün olmadığı durumlarda araştırmacıların neden-sonuç ilişkilerini incelemesine yardımcı olur. Bu çalışmalar, kontrollü rastgele gruplara güvenmek yerine; okul, klinik, mahalle veya bölge gibi gerçek dünya ortamlarını kullanır.

Bu özellik, onları özellikle eğitim, sağlık ve kamu politikası gibi araştırmacıların cevaplara ihtiyaç duyduğu ancak müdahalenin kimlere uygulanacağını tam olarak kontrol edemediği alanlarda son derece kullanışlı kılar.

Bu kılavuzda, en önemli yarı deneysel tasarım örneklerini inceleyecek, her bir tasarımın nasıl çalıştığını açıklayacak ve kendi çalışmanızda doğru yaklaşımı netlik ve güvenle nasıl seçip uygulayacağınızı göstereceğiz.

<CTA title="Daha Hızlı ve Daha İyi Araştırmalar Tasarlayın" description="Dakikalar içinde, net ve güçlü bir mantığa sahip yapılandırılmış yarı deneysel tasarımlar oluşturun." buttonLabel="Jenni'yi Ücretsiz Deneyin" link="https://app.jenni.ai/register" />

Yarı Deneysel Araştırma Tasarımı Nedir?

Yarı deneysel araştırma tasarımı, rastgele atama yapmaksızın neden-sonuç ilişkisini inceleyen bir yöntemdir.

Bu yöntem, rastgele gruplar oluşturmak yerine gerçek ortamlarda halihazırda var olan doğal grupları kullanır; bu da yaklaşımı uygulamalı araştırmalar için çok daha gerçekçi kılar. Araştırmacılar genellikle mevcut sınıflar, hastaneler veya topluluklarla çalışır.

Yarı deneysel tasarım konusunda da açıklandığı gibi, yarı deneysel çalışmalar uygulanabilir olması ile anlamlı nedensel çıkarımlar sunması arasında pratik bir denge kurduğu için uygulamalı araştırmalarda yaygın olarak tercih edilir.

Gerçek bir deneyden farklı olarak, katılımcılar koşullara rastgele atanmaz. Bu durum, grupların müdahale başlamadan önce de birbirinden farklı olabilmesi nedeniyle, alternatif açıklamaları elemeyi zorlaştırabilir.

Sonuç olarak, yarı deneysel tasarımlarda iç geçerlilik bir zorluk haline gelebilir. Ancak bu sınırlamalara rağmen yarı deneysel yöntemler sosyoloji, psikoloji ve iktisat gibi disiplinlerde temel bir öneme sahip olmayı sürdürmektedir.

• Bağımsız değişken: Yapılan müdahale veya uygulanan tedavi

• Bağımlı değişken: Ölçülen sonuç

• Kontrol grubu: Müdahaleyi almayan karşılaştırma grubu

• Deney grubu: Müdahalenin uygulandığı grup

<ProTip title="💡 İpucu:" description="Yarı deneysel bir tasarım seçmeden önce değişkenleri her zaman net bir şekilde tanımlayın." />

Temel Yarı Deneysel Tasarım Türleri ve Örnekleri

İşte uygulamada en sık karşılaşacağınız temel türler. Açıklamalar, basit örnekleri ve bu yöntemleri gerçekte nerede kullanacağınızı içermektedir.

Eşdeğer olmayan kontrol gruplu tasarım

İki grup karşılaştırılır, ancak bu gruplar rastgele atanmamıştır; halihazırda var olan gruplardır.

• Örnek: Bir okuldaki sınıflardan birine yeni bir matematik programı uygulanırken, diğer sınıf eski yöntemle devam eder. Dönem sonunda iki sınıfın sınav puanları karşılaştırılır.

• Kullanım alanı: Eğitim araştırmalarında bu tasarıma her yerde rastlayabilirsiniz. Gruplar başlangıçta eşit olarak oluşturulmadığından, araştırmacılar aradaki ilk farkları hesaba katabilmek için istatistiksel yöntemler (ANCOVA gibi) kullanmak zorundadır. Buradaki en büyük zorluk, hesaba katmadığınız değişkenlerle başa çıkmaktır.

Tek gruplu ön test-son test tasarımı

Tek bir grubu ölçer, bir müdahalede bulunur ve ardından aynı grubu tekrar ölçersiniz. Ayrı bir kontrol grubu yoktur.

• Örnek: Bir fabrika, altı ay boyunca meydana gelen kaza sayılarını kaydeder. Ardından bir iş güvenliği eğitim programı düzenler. Eğitimden sonra, kaza sayısının azalıp azalmadığını görmek için kazaları altı ay daha takip eder.

• Neden zayıf bir yöntemdir?: Kazalardaki düşüş eğitimden kaynaklanmış olabilir. Veya aynı dönemde meydana gelen, üretimdeki mevsimsel yavaşlama gibi başka bir etkenden dolayı da değişmiş olabilir. Değişime neyin sebep olduğunu kesin olarak bilmek zordur.

• Avantaj ve dezavantaj dengesi: Uygulaması son derece kolay ve maliyetsizdir; bu yüzden iş dünyası ve iş yeri çalışmalarında oldukça yaygındır. Ancak neden-sonuç ilişkisi açısından en zayıf kanıtı sunar.

Eşdeğer olmayan kontrol gruplu ön test-son test tasarımı

Bu, bir önceki yöntemin daha güçlü bir versiyonudur. Elinizde mevcut iki grup vardır ve sadece bir gruba değişiklik uygulamadan önce ve uyguladıktan sonra her iki grubu da ölçersiniz.

• Örnek: Bir klinik, hastaların sigarayı bırakmasına yardımcı olmak için yeni bir program başlatır. Benzer bir diğer klinik ise bu programı uygulamaz. Her iki klinikteki sigara kullanıcılarıyla alışkanlıkları hakkında anket yaparsınız. İlk klinikte program bir yıl boyunca uygulandıktan sonra, herkesle tekrar anket yaparsınız.

• Neden daha iyidir?: Programı uygulayan klinikte sigara bırakma oranında diğer kliniğe kıyasla çok daha büyük bir düşüş görülürse, programın gerçekten işe yaradığından daha emin olabilirsiniz. Bu tasarım, dışsal bir faktörün (yeni bir kamu sağlığı kampanyası gibi) herkesi aynı anda etkilemiş olma ihtimalini elemeye yardımcı olur.

İlk üç tasarımın karşılaştırması şu şekildedir:

Kesintili zaman serisi tasarımı

Sadece tek bir "önce" ve tek bir "sonra" ölçümü yapmak yerine, uzun bir süre boyunca birçok noktada veri toplarsınız. Belirli bir olaydan sonra trenddeki değişimi incelersiniz.

• Örnek: Bir ülke, şekerli içeceklere vergi getiren bir yasayı kabul eder. Araştırmacılar, verginin getirilmesinden önceki ve sonraki yıllara ait ülke genelindeki gazoz satış verilerini aylık bazda analiz eder. Satışların uzun vadeli eğiliminde, verginin başladığı anda net bir düşüş veya kırılma olup olmadığını incelerler.

• Neden kullanışlıdır?: Politika ve yasaların etkilerini değerlendirmek için son derece güçlü bir yöntemdir. Uzun vadeli bir düzendeki değişikliği gözlemlemek, iki tekil zaman noktası arasındaki değişimi görmekten çok daha ikna edicidir. Detaylı bir uygulamalı tartışmayı, zaman tabanlı tasarımların gerçek sağlık araştırmalarında nasıl kullanıldığını gösteren gerçek dünya çalışmalarında kesintili zaman serisi tasarımı makalesinde bulabilirsiniz.

<ProTip title="📊 Hatırlatma:" description="Güçlü bir kesintili zaman serisi (ITS) analizi için müdahale öncesinde ve sonrasında en az 12'şer zaman noktası kullanın." />

Regresyon süreksizliği tasarımı

Kişiler, bir ölçekteki belirli bir eşik değerinin altında veya üstünde kalmalarına bağlı olarak deney veya kontrol grubuna atanır.

• Örnek: Bir üniversite, aile geliri 50.000 doların altında olan öğrencilere özel ders bursu vermektedir. Araştırmacılar, bu bursa ucu ucuna hak kazanan öğrenciler ile (örneğin geliri 49.500 dolar olanlar) kıl payı kaçıran öğrencilerin (örneğin geliri 50.500 dolar olanlar) mezuniyet oranlarını karşılaştırır.

• Buradaki mantık: Temel fikir, bu iki öğrenci grubunun, aralarındaki o çok küçük gelir farkı ve aldıkları burs haricinde her açıdan neredeyse birebir aynı olmasıdır. Sonuçlarındaki belirgin bir fark, doğrudan bursa bağlanabilir. Ekonomistler ve politika analistleri, sunduğu bu akılcı mantık nedeniyle bu tasarıma bayılırlar.

Eşleştirme ve eğilim skoru tasarımları

Rastgele atama yapamadığınız için istatistiksel yöntemlerle bunu taklit etmeye çalışırsınız. Deney grubundaki kişileri bulur ve onları deney grubunda olmayan, neredeyse birebir aynı özelliklere sahip kişilerle "eşleştirirsiniz".

• Örnek: Çevrimiçi üniversite dersleri ile yüz yüze dersleri karşılaştırdığınızı varsayalım. Her bir çevrimiçi öğrenciyi alır ve onunla aynı lise genel not ortalamasına, yaşa ve bölüme sahip yüz yüze eğitim alan bir öğrenciyle eşleştirirsiniz. Ardından, bu eşleşen çiftlerin notlarını karşılaştırırsınız.

• Dikkat edilmesi gereken nokta: Kişileri yalnızca ölçebildiğiniz ve elinizde verisi olan özelliklere göre eşleştirebilirsiniz. Bir öğrencinin motivasyon seviyesi veya sessiz bir çalışma ortamına sahip olup olmaması gibi gizli kalmış farkları hesaba katamaz. Bu yöntem yanlılığı azaltır ancak tamamen ortadan kaldırmaz.

<ProTip title="⚙️ İpucu:" description="Yarı deneysel tasarımınızı doğrulamak için eşleştirmeden sonra gruplar arası dengeyi her zaman kontrol edin." />

Alanlara Göre Gerçek Dünyadan Yarı Deneysel Tasarım Örnekleri

Bu yöntemlerle her yerde karşılaşırsınız. İşte birkaç temel alanda pratikte nasıl göründükleri:

Eğitim

Okullar genellikle bir deney için öğrencileri rastgele sınıflara dağıtamaz. Bu nedenle eldeki mevcut gruplarla çalışırlar.

• Nasıl uygulanır?: Bir okul bölgesi, yeni bir çevrimiçi özel ders programını denemeye karar verir. Bu programı Lincoln Lisesi'ndeki tüm öğrencilere sunarlar. Bu sırada Jefferson Lisesi'ndeki öğrenciler eski etüt sistemini kullanmaya devam eder. Dönem sonunda araştırmacılar, her iki okulun final sınavı notlarını karşılaştırır.

• Neden tercih edilir?: Gerçek rastgele atamanın mümkün olmadığı durumlarda, yeni öğretim araçlarını veya programlarını test etmenin oldukça pratik ve standart bir yoludur.

Sağlık Sektörü

Hastaneler ve klinikler, yeni prosedürleri veya sistemleri incelemek için mevcut hasta gruplarını kullanır.

• Nasıl uygulanır?: Bir hastane, hemşirelerin hastaların hayati bulgularını takip etmesi için yeni bir dijital sistem kurar. Sistemin devreye girmesinden önceki altı ayda kabul edilen hastaların ortalama iyileşme süresine bakarlar ve bunu sistem kurulduktan sonraki altı ay içindeki hastaların iyileşme süresiyle karşılaştırırlar.

• Neden tercih edilir?: Bazı hastalara rastgele bir şekilde daha kötü bakım hizmeti sunamazsınız. Bu yaklaşım, sağlık araştırmacılarının gerçek dünyadaki iyileşmeleri kontrollü bir şekilde incelemesine olanak tanır.

Kamu Politikası

Yeni bir yasa veya vergi yürürlüğe girdiğinde herkesi etkiler. Araştırmacılar, zaman içindeki verileri inceleyerek bu etkileri analiz eder.

• Nasıl uygulanır?: Bir eyalet, tütün mamulleri satın alma yaş sınırını 18'den 21'e çıkarır. Halk sağlığı yetkilileri, yasa değişikliğinden önceki ve sonraki birkaç yıl boyunca eyalet genelindeki gençlerin sigara içme oranlarını takip ederek trend çizgisinde bir düşüş olup olmadığını inceler.

• Neden tercih edilir?: Bu genellikle bir kesintili zaman serisi tasarımıdır. Geniş ölçekli bir politikanın gerçekten hedeflenen değişimi sağlayıp sağlamadığını anlamanın en temel yoludur.

İş Dünyası ve Pazarlama

Şirketler, yeni fikirleri tam olarak piyasaya sürmeden önce, gerçek bir A/B testinin mümkün olmadığı durumlarda belirli bir müşteri kitlesi üzerinde test ederler.

• Nasıl uygulanır?: Bir sosyal medya uygulaması, yeni bir video özelliği geliştirir. Bu özelliği ilk olarak yalnızca Kanada'daki kullanıcılara sunarlar. Üç ay boyunca, Kanadalı kullanıcıların videoları izleme sıklığını, bu özelliğe henüz sahip olmayan İngiltere ve Avustralya gibi benzer pazarlardaki kullanıcılarla karşılaştırarak takip ederler.

• Neden tercih edilir?: Analistler, Reddit gibi forumlarda bile buna "kademeli yayına alma" derler. Şirketin küresel lansmandan önce gerçek dünyadaki kullanımı görmesini ve sorunları tespit etmesini sağlarken, aynı zamanda karşılaştırmalı veriler toplamasına da imkan tanır.

Bu tür çalışmalar genellikle nitel içgörü ile nicel ölçüm arasında konumlanır. Bu yaklaşımların birbirinden nasıl ayrıldığından emin değilseniz, nitel ve nicel araştırma karşılaştırması her bir yöntemin araştırma tasarımı kararlarına nasıl katkıda bulunduğunu açıklar.

Yarı Deneysel Tasarımın Avantajları ve Dezavantajları

Bu yöntemlerin hangi alanlarda güçlü olduğunu ve nerelerde yetersiz kaldığını bilmek, bunları kullanan çalışmaları doğru değerlendirmek açısından kritik öneme sahiptir.

Avantajları

En büyük güçleri, gerçek bir deneyin yapılmasının imkansız veya etik olmadığı durumlarda bile araştırma yapmanıza olanak tanımalarıdır.

• Gerçek dünya kullanımı: Programları, politikaları ve tedavileri okullarda, hastanelerde veya şehirlerde tam olarak gerçekleştikleri şekliyle araştırabilirsiniz. Yapay bir laboratuvar ortamı yaratmak zorunda kalmazsınız.

• Etik uygulanabilirlik: Çoğu zaman, birini potansiyel olarak faydalı bir tedaviden rastgele mahrum bırakamazsınız. Ulusal Sağlık Enstitüleri (NIH), birçok klinik çalışmanın tam da bu nedenle rastgele olmayan tasarımlar kullanmak zorunda olduğunu belirtmektedir.

• Verimlilik: Araştırmacılar okul kayıtları veya hastane yatış protokolleri gibi halihazırda var olan verileri sıklıkla kullanabilirler. Bu da çalışmaların daha hızlı ve daha az maliyetle yürütülmesini sağlar.

• Ölçeklenebilirlik: Bu tasarımlar büyük gruplara, hatta tüm nüfusa uygulanabilir; bu da yeni yasalar veya halk sağlığı kampanyaları gibi unsurları değerlendirmek için son derece gereklidir.

Dezavantajları

En büyük ödünleşim, neden-sonuç ilişkisine dair iddianın daha zayıf olmasıdır. İncelediğiniz müdahalenin, meydana gelen değişimin asıl nedeni olduğundan o kadar da emin olamazsınız.

• Temel sorun: Rastgele atama olmadığında, karşılaştırdığınız gruplar en başından beri birbirlerinden farklı olabilir. Belki de yeni matematik programındaki öğrencilerin aileleri daha destekleyiciydi. Ya da yeni tedaviyi alan hastalar genel olarak daha sağlıklıydı. Bu önceden var olan farklar sonuçlarınızı saptırabilir.

• Karıştırıcı değişkenler: Bunlar, sonuçtan asıl sorumlu olabilecek ancak ölçülmemiş faktörlerdir. Bu tür araştırmalarda her zaman mevcut olan bir tehdittirler.

• Seçim yanlılığı (Selection bias): İnsanların bir grupta veya diğerinde yer alma şekli rastgele değildir. Yeni bir programa katılmayı kendi seçen kişiler, katılmayanlara göre daha motive olabilir ve bu durumun kendisi bile daha iyi sonuçlar doğurabilir.

• Belirsizlik: Günün sonunda, korelasyonel araştırmalarda gördüğünüze benzer şekilde güçlü bir ilişki elde edersiniz, ancak nedenselliğin kesin bir kanıtına ulaşamazsınız. Kanıtlar kesin ve sarsılmaz olmaktan ziyade sadece işaret edicidir.

Bu zorlukların daha derinlemesine bir açıklaması ve araştırmacıların bunlarla nasıl başa çıktığı, yarı deneysel tasarımlardaki nedensel çıkarım ve geçerlilik konularını inceleyen yarı deneysel tasarımda geçerlilik ve nedensel çıkarım makalesinde ele alınmaktadır.

<ProTip title="⚠️ Not:" description="Araştırmanızın güvenilirliğini artırmak için sınırlılıkları her zaman açıkça belirtin." />

Adım Adım Yarı Deneysel Çalışma Nasıl Tasarlanır?

Bu çalışmalardan birini yürütmeniz gerekiyorsa, izlemeniz gereken doğrudan ve net yol haritası şudur:

1. Sorunuzu tanımlayın Net bir neden-sonuç sorusuyla başlayın. Spesifik olun.

• Zayıf: "Program işe yarıyor mu?"

• Daha iyi: "Yeni akran rehberliği programını tamamlayan lise öğrencileri, tamamlamayanlara göre cebir final sınavı puanlarında daha büyük bir artış gösteriyor mu?"

2. Gruplarınızı belirleyin Grupları rastgele oluşturmayacaksınız. Halihazırda var olan grupları kullanacaksınız.

• Deney grubu: Müdahaleyi alacak kişiler, sınıflar veya bölgeler (örneğin, yeni yazılımı alan üç şirket şubesi).

• Kontrol/karşılaştırma grubu: Mevcut düzende devam edecek olan gruplar (örneğin, eski sistemi kullanmaya devam eden iki şube). Amacınız, bu grupları başlangıçtan itibaren mümkün olduğunca benzer kılmaktır.

3. Tasarımınızı seçin Seçiminiz tamamen durumunuz için neyin pratik olduğuna bağlıdır.

• Yalnızca tek bir gruba erişiminiz varsa, tek gruplu ön test-son test tasarımını kullanırsınız.

• Elinizde mevcut iki grup varsa ve bunları öncesinde ve sonrasında ölçebiliyorsanız, eşdeğer olmayan kontrol gruplu ön test-son test tasarımını kullanın.

• Bir politika değişikliğini inceliyorsanız ve elinizde uzun yıllara ait veriler varsa, kesintili zaman serisi tasarımı en iyi seçeneğinizdir.

• Müdahale katı bir sınırla belirleniyorsa (sınav puanı veya gelir düzeyi gibi), regresyon süreksizliği tasarımı en titiz seçenektir.

4. Diğer değişkenleri hesaba katın Bu, en kritik analitik adımdır. Rastgele atama yapmadığınız için, diğer faktörleri istatistiksel olarak kontrol etmeye çalışmalı ve mümkün olduğunca güvenilir ölçümler kullanmalısınız.

• Eşleştirme: Deney grubundaki her bir kişiyi, kontrol grubunda benzer özelliklere (yaş, önceki sınav puanı vb.) sahip biriyle eşleştirin.

• Regresyon analizi: Diğer değişkenleri matematiksel olarak sabit tutarken müdahalenizin etkisini ayrıştırmak için bunu kullanın.

• Farkların farkı (Difference-in-differences): Deney grubundaki değişimi, kontrol grubundaki değişimle karşılaştırın. Bu, her iki grubu da etkileyen genel eğilimleri nötrlemeye yardımcı olur.

Bu yöntemlerin daha geniş araştırma yaklaşımınıza nasıl uyum sağladığına karar verme aşamasındaysanız, araştırma paradigmaları farklı tasarımların araştırma hedefleriyle nasıl örtüştüğünü netleştirmeye yardımcı olabilir.

5. Dikkatle analiz edin ve raporlayın Sayılarınızı titizlikle yorumlayın.

• Müdahalenin değişime neden olduğunu "kanıtladığınızı" iddia etmeyin. Bulguların nedensel bir ilişkiye "işaret ettiğini" veya bunu "desteklediğini" belirtin.

• Çalışmanın sınırlılıkları konusunda şeffaf olun. Sonuçları etkilemiş olabilecek, kontrol edemediğiniz diğer değişkenleri açıkça listeleyin. Bu dürüstlük, araştırmanızı güvenilir kılan şeydir.

Bulguları raporlarken, atıf stilindeki netlik de güvenilirlik açısından önemlidir. Akademik bir yazıyı biçimlendiriyorsanız, et-al apa örneği araştırma makalelerinde doğru atıf kullanımı konusunda rehberlik sağlar.

<ProTip title="🧠 İpucu:" description="Yarı deneysel çalışmalarda zaman eğilimlerini kontrol etmek için farkların farkı yöntemini kullanın." />

Yarı Deneysel Tasarım Üzerine Son Düşünceler

Her şeyi kontrol edemediğinizde neden-sonuç ilişkisini kanıtlamanın ne kadar zor olduğunu ve sonuçların belirsiz veya sorgulanabilir gelebileceğini muhtemelen fark etmişsinizdir. Bu durum kafa karıştırıcı olabilir. Ancak bu tasarımlar, mükemmel koşullar mümkün olmadığında bile gerçek hayat şartlarında çalışarak kullanışlı cevaplar elde etmenize yardımcı olur.

<CTA title="Araştırma Fikrinizi Net Bir Tasarıma Dönüştürün" description="Kılavuzlu yapay zeka desteği ile yarı deneysel çalışmalarınızı netlik ve güvenle planlayıp yapılandırın." buttonLabel="Jenni'yi Ücretsiz Deneyin" link="https://app.jenni.ai/register" />

Her bir sınırlılığa aşırı odaklanmak yerine, net bir yapı oluşturmaya ve seçimlerinizi iyi açıklamaya odaklanın. Jenni gibi araçlar, fikirlerinizi daha hızlı organize etmenize ve yazınızı güçlü tutmanıza yardımcı olur; böylece yazma sürecinde tıkanıp kalmak yerine araştırmanızı ileriye taşımaya odaklanabilirsiniz.