Tarafından

Nathan Auyeung

—

26 May 2026

Yarı Deneysel Tasarım Örnekleri: Türleri ve Gerçek Hayattaki Kullanım Durumları

Nathan Auyeung

EY'de Kıdemli Muhasebeci

Muhasebe alanında Lisans Derecesi ile mezun oldu, Muhasebe alanında Lisansüstü Diplomasını tamamladı

Yarı deneysel tasarımlar, seçkisiz (rastgele) atama mümkün olmadığında araştırmacıların neden-sonuç ilişkilerini incelemesine yardımcı olur. Kontrollü ve rastgele oluşturulmuş gruplara güvenmek yerine, bu çalışmalar okul, klinik, mahalle veya bölge gibi gerçek dünya ortamlarını kullanır.

Bu özellik, onları araştırmacıların sıklıkla hızlı cevaplara ihtiyaç duyduğu ancak müdahalenin kime uygulanacağını tam olarak kontrol edemediği eğitim, sağlık ve kamu politikası gibi alanlarda son derece faydalı 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.

Yarı Deneysel Araştırma Tasarımı Nedir?

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

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 rehberinde de açıklandığı gibi, yarı deneysel çalışmalar, uygulanabilirlik ile anlamlı nedensel çıkarımlar arasında pratik bir denge sunduğu için uygulamalı bilimlerde yaygın olarak tercih edilir.

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

Sonuç olarak, iç geçerlik yarı deneysel tasarımlarda bir zorluk teşkil edebilir. Bu sınırlamalara rağmen, yarı deneysel yöntemler sosyoloji, psikoloji ve iktisat gibi disiplinlerde temel bir öneme sahip olmaya devam etmektedir.

Bağımsız değişken: Uygulanan müdahale veya tedavi
Bağımlı değişken: Ölçülen sonuç/çıktı
Kontrol grubu: Müdahaleyi almayan karşılaştırma grubu
Deney grubu: Müdahalenin uygulandığı grup

Temel Yarı Deneysel Tasarım Örnekleri

İşte uygulamada en sık karşılaşacağınız ana türler. Açıklamalar, basit örnekleri ve bu tasarımları 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 yöntemi kullanmaya devam eder. Dönem sonunda iki sınıfın sınav puanlarını karşılaştırırsınız.
Kullanım alanı: Eğitim araştırmalarında bu tasarıma her yerde rastlanır. Gruplar başlangıçta eşit olarak oluşturulmadığından, araştırmacılar ilk farkları dengelemek için istatistiksel yöntemler (ANCOVA gibi) kullanmak zorundadır. Burada en büyük zorluk, hesaba katmadığınız değişkenlerle başa çıkmaktır.

Tek gruplu ön test-son test tasarımı

Tek bir grubu ölçer, bir müdahalede bulunur ve ardından 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.
Zayıf yönü: Kazalardaki düşüş eğitimden kaynaklanıyor olabilir. Veya aynı dönemde gerçekleşen üretimdeki dönemsel yavaşlama gibi tamamen başka bir nedenden de kaynaklanabilir. Değişime neyin sebep olduğundan emin olmak zordur.
Tercih sebebi: Yapılması son derece kolay ve az maliyetlidir; bu yüzden iş dünyası ve iş yeri çalışmalarında oldukça yaygındır. Ancak neden-sonuç ilişkisi için en zayıf kanıtı sunar.

Eşdeğer olmayan kontrol gruplu ön test-son test tasarımı

Bu, bir öncekine göre daha güçlü bir alternatiftir. Mevcut iki grubunuz vardır ve sadece bir gruba değişiklik uygulamadan önce ve uyguladıktan sonra her iki grubu da ölçersiniz.

Örnek: Bir klinik, sigarayı bırakmaya yardımcı olmak için yeni bir program başlatır. Benzer bir başka klinik ise bunu yapmaz. Her iki klinikteki sigara kullanıcılarıyla alışkanlıkları hakkında anket yaparsınız. İlk klinikte program bir yıl boyunca uygulandıktan sonra herkesle tekrar anket yaparsınız.
Neden daha iyi: Program uygulanan klinikte sigarayı bırakma oranı diğer kliniğe göre çok daha belirgin bir düşüş gösteriyorsa, 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.

İşte ilk üç tasarımın karşılaştırması:

Tasarım Türü	Kontrol Grubu Var mı?	Ön Test Var mı?	Kanıt Gücü
Tek gruplu ön test-son test	Hayır	Evet	Düşük
Eşdeğer olmayan kontrol grubu	Evet	İsteğe bağlı	Orta
Kontrol gruplu ön test-son test	Evet	Evet	Yüksek

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, vergi öncesindeki ve sonrasındaki yıllara ait ülke genelindeki gazlı içecek satış verilerini ay ay analiz eder. Satışların uzun vadeli eğiliminin verginin başladığı anda net bir şekilde düşüp düşmediğini veya yön değiştirip değiştirmediğini incelerler.
Neden kullanışlıdır: Politikaları ve yasaları değerlendirmek için son derece etkilidir. Uzun vadeli bir modelde meydana gelen değişimi görmek, iki tekil zaman noktası arasındaki değişimden çok daha ikna edicidir. Detaylı bir uygulama analizi, zaman tabanlı tasarımların gerçek sağlık araştırmalarında nasıl kullanıldığını gösteren gerçek dünya çalışmalarında kesintili zaman serisi tasarımı makalesinde bulunabilir.

Süreksizlik regresyon tasarımı (Regression Discontinuity)

Kişiler, bir ölçekteki belirli bir eşik değerin altında veya üstünde kalmalarına göre tedavi veya müdahale grubuna atanır.

Örnek: Bir üniversite, aile geliri 50.000 TL'nin altında olan öğrencilere özel ders bursu veriyor. Araştırmacılar, bursu kıl payı kazanan öğrencilerin (örneğin geliri 49.500 TL olanlar) mezuniyet oranlarını, bursu kıl payı kaçıran öğrencilerin (örneğin geliri 50.500 TL olanlar) mezuniyet oranlarıyla karşılaştırır.
Mantık şudur: Bu iki gruptaki öğrencilerin, o çok küçük gelir farkı ve aldıkları burs dışında neredeyse her yönden tamamen aynı olduğu varsayılır. Sonuçlarındaki belirgin farklar doğrudan bursa bağlanabilir. Ekonomistler ve politika analistleri, sunduğu bu akılcı mantık yüzünden bu tasarıma bayılırlar.

Eşleştirme ve eğilim skoru tasarımları

Seçkisiz atama yapamadığınız için bunu istatistiksel yöntemlerle simüle etmeye çalışırsınız. Müdahale grubundaki bireyleri bularak, müdahale almayan gruptaki neredeyse birebir aynı özelliklere sahip kişilerle "eşleştirirsiniz".

Örnek: Online ve yüz yüze üniversite derslerini inceliyorsunuz. Her bir online öğrencisini alır ve onunla aynı lise not ortalamasına, yaşa ve bölüme sahip bir yüz yüze eğitim öğrencisiyle eşleştirirsiniz. Ardından bu eşleşen çiftlerin notlarını karşılaştırırsınız.
Zorluğu: İnsanları yalnızca ölçebildiğiniz ve verisine sahip olduğunuz özelliklere göre eşleştirebilirsiniz. Bir öğrencinin motivasyon seviyesi veya sessiz bir çalışma ortamına erişimi gibi gizli farkları hesaba katamaz. Yanlılığı azaltır ancak tamamen ortadan kaldırmaz.

Alanlara Göre Gerçek Dünyadan Yarı Deneysel Tasarım Örnekleri

Bu yöntemleri her alanda görebilirsiniz. İşte birkaç büyük sektöre göre gerçek hayattaki uygulamaları.

Eğitim

Okullar genellikle bir deney yapmak için öğrencileri rastgele sınıflara dağıtamazlar. Bu yüzden mevcut gruplarla çalışırlar.

Nasıl görünür: Bir okul bölgesi yeni bir online özel ders programını denemeye karar verir. Bu programı Lincoln Lisesi'ndeki tüm öğrencilere sunarlar. Bu sırada Jefferson Lisesi'ndeki öğrenciler eski çalışma salonu sistemini kullanmaya devam eder. Dönem sonunda araştırmacılar her iki okulun final sınavı puanlarını karşılaştırır.
Neden kullanılır: Gerçek rastgeleştirmenin mümkün olmadığı durumlarda yeni öğretim araçlarını veya programlarını test etmek için standart ve oldukça pratik bir yöntemdir.

Sağlık

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

Nasıl görünür: Bir hastane, hemşirelerin hastaların hayati bulgularını takip etmesi için yeni bir dijital sistem kurar. Sistem devreye girmeden önceki altı ayda kabul edilen hastaların ortalama iyileşme süresine bakar ve bunu sistem geldikten sonraki altı aydaki hastaların iyileşme süresiyle karşılaştırır.
Neden kullanılır: Bazı hastalara rastgele bir şekilde daha kötü bakım uygulayamazsınız. Bu yaklaşım, sağlık araştırmacılarının gerçek dünyadaki iyileşmeleri kontrollü ve etik bir şekilde incelemesini sağlar.

Kamu Politikası

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

Nasıl görünür: Bir eyalet, tütün mamulleri satın alma yaşını 18'den 21'e çıkarır. Kamu sağlığı yetkilileri, yasa değişikliğinden önceki ve sonraki birkaç yıl boyunca gençler arasındaki sigara kullanım oranlarını takip ederek trend çizgisinde bir düşüş arar.
Neden kullanılır: Bu genellikle bir kesintili zaman serisi tasarımıdır. Geniş ölçekli bir politikanın gerçekten beklenen etkiyi yaratıp yaratmadığını anlamanın en temel yoludur.

İş Dünyası ve Pazarlama

Şirketler, yeni fikirleri tamamen kullanıma sunmadan önce bir müşteri grubu üzerinde test eder; çünkü genellikle gerçek bir A/B testi yapmak teknik veya pratik olarak mümkün değildir.

Nasıl görünür: Bir sosyal medya uygulaması yeni bir video özelliği geliştirir. Bu özelliği ilk olarak yalnızca Kanada'daki kullanıcılar için yayınlarlar. Üç ay boyunca, Kanadalı kullanıcıların videoları izleme sıklığını, özelliğe henüz sahip olmayan İngiltere ve Avustralya gibi benzer pazarlardaki kullanıcılarla karşılaştırarak takip ederler.
Neden kullanılır: Reddit gibi forumlardaki analistler bile buna "kademeli yaygınlaştırma" adını verir. Şirketin küresel lansmandan önce gerçek dünya kullanımını görmesini, olası sorunları tespit etmesini ve bu sırada karşılaştırmalı veriler toplamasını sağlar.

Bu tür çalışmalar genellikle nitel içgörü ile nicel ölçüm arasında yer alır. Bu yaklaşımların nasıl farklılaştığından 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 sınırlarını bilmek, bu tasarımları kullanan çalışmaları doğru değerlendirmek açısından kritik öneme sahiptir.

Avantajları

En büyük avantajı, gerçek bir deneyin yapılmasının imkansız veya etik dışı olduğu durumlarda çalışmanıza olanak tanımasıdır.

Gerçek dünya uygulaması: Programları, politikaları ve tedavileri okullarda, hastanelerde veya şehirlerde tam olarak gerçekleştiği gibi araştırabilirsiniz. Yapay bir laboratuvar ortamı yaratmak zorunda kalmazsınız.
Etik uygulanabilirlik: Çoğu zaman, potansiyel olarak faydalı bir tedaviyi birine rastgele vermemeyi tercih edemezsiniz. Ulusal Sağlık Enstitüleri (NIH), birçok klinik çalışmanın tam da bu nedenle seçkisiz olmayan tasarımlar kullanmak zorunda kaldığını belirtmektedir.
Verimlilik: Araştırmacılar okul kayıtları veya hastane yatış dökümleri gibi halihazırda var olan verileri sıklıkla kullanabilir. Bu durum çalışmaları çok daha hızlı ve daha az maliyetli hale getirir.
Ölçeklenebilirlik: Bu tasarımlar büyük gruplara, hatta tüm nüfusa uygulanabilir; bu da yeni yasaları veya halk sağlığı kampanyalarını değerlendirmek için son derece gereklidir.

Dezavantajları

En büyük ödünleşim, neden-sonuç ilişkisine dair kanıtların daha zayıf olmasıdır. İncelediğiniz müdahalenin, meydana gelen değişimin gerçek sebebi olduğundan o kadar emin olamazsınız.

Temel sorun: Rastgele atama olmadığında, karşılaştırdığınız gruplar en başından beri birbirlerinden farklı olabilir. Belki de yeni matematik programındaki öğrencilerin aileleri çocuklarıyla daha çok ilgileniyordu. Belki de yeni tedaviyi alan hastalar genel olarak daha sağlıklıydı. Bu önceden var olan farklılıklar sonuçlarınızı saptırabilir.
Karıştırıcı değişkenler (Confounding variables): Bunlar, sonuçtan aslında sorumlu olabilecek ancak ölçülmemiş faktörlerdir. Bu tarz araştırmalarda her zaman mevcut bir tehdittirler.
Seçim yanlılığı (Selection bias): Kişilerin bir grupta ya da diğerinde yer alma şekli rastgele değildir. Yeni bir programa katılmayı kendi seçen kişiler, katılmayanlara göre daha yüksek motivasyona sahip olabilir ve bu durum tek başına daha iyi sonuçlara yol açabilir.
Belirsizlik: Günün sonunda, korelasyonel araştırmalarda gördüğümüz gibi güçlü bir ilişki (korelasyon) elde edersiniz ancak bu kesin bir nedensellik kanıtı sayılmaz. Kanıtlar ufuk açıcıdır fakat sarsılmaz değildir.

Bu zorlukların daha derinlemesine açıklaması ve araştırmacıların bunlarla nasıl başa çıktığı, yarı deneysel tasarımlardaki nedensel çıkarım ve geçerlilik konularını inceleyen yarı deneysel tasarım geçerliliği ve nedensel çıkarım makalesinde tartışılmaktadır.

Adım Adım Yarı Deneysel Çalışma Nasıl Tasarlanır?

Eğer bu çalışmalardan birini yürütmeniz gerekiyorsa, izlemeniz gereken net ve pratik adımlar şunlardır.

1. Sorunuzu netleştirin: Net bir neden-sonuç sorusuyla başlayın ve olabildiğince spesifik olun.

Zayıf soru: "Program işe yarıyor mu?"
Daha iyi soru: "Yeni akran danışmanlığı programını tamamlayan lise öğrencileri, tamamlamayanlara göre cebir final sınavı puanlarında daha yüksek 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 kullanmaya başlayan üç şirket şubesi).
Kontrol/karşılaştırma grubu: Mevcut sisteme aynen devam edecek gruplar (örneğin, eski yazılımla devam eden diğer iki şirket şubesi). Amacınız, bu grupları başlangıçta birbirine olabildiğince benzer kılmaktır.

3. Tasarımınızı seçin: Seçiminiz tamamen durumunuzun getirdiği pratik koşullara bağlıdır.

Yalnızca tek bir gruba erişiminiz varsa, tek gruplu ön test-son test tasarımını kullanırsınız.
Mevcut iki grubunuz varsa ve bunları öncesinde ve sonrasında ölçebiliyorsanız, eşdeğer olmayan kontrol gruplu ön test-son test tasarımını kullanın.
Bir politika değişikliğini inceliyorsanız ve uzun yıllara ait verileriniz varsa, kesintili zaman serisi tasarımı en iyi seçeneğinizdir.
Uygulama katı bir sınır değerine (sınav puanı veya gelir düzeyi gibi) göre belirleniyorsa, süreksizlik regresyonu tasarımı en kesin ve güvenilir seçenektir.

4. Diğer değişkenleri kontrol edin: Bu, en kritik analitik adımdır. Rastgeleleştirme yapmadığınız için, diğer faktörleri istatistiksel olarak kontrol etmeli ve olabildiğince güvenilir ölçümler kullanmalısınız.

Eşleştirme: Deney grubundaki her bir kişiyi, benzer özelliklere (yaş, önceki test puanı vb.) sahip kontrol grubundaki biriyle eşleştirin.
Regresyon analizi: Diğer değişkenleri matematiksel olarak sabit tutarken, uyguladığınız müdahalenin etkisini ayrıştırmak için bu yöntemi kullanın.
Farkların farkı (Difference-in-differences): Deney grubundaki değişimi, kontrol grubundaki değişimle karşılaştırın. Bu, her iki grubu da etkileyen genel eğilimlerin elenmesine yardımcı olur.

Bu yöntemlerin genel araştırma yaklaşımınıza nasıl entegre olacağına henüz karar veremediyseniz, araştırma paradigmaları rehberi, farklı tasarımların çalışma hedeflerinizle nasıl uyumlu hale getirileceğini netleştirmenize yardımcı olabilir.

5. Analiz edin ve sonuçları ihtiyatla raporlayın: Verilerinizi büyük bir dikkatle yorumlayın.

Müdahalenin değişikliğe kesin olarak "sebep olduğunu kanıtladığınızı" iddia etmeyin. Bulguların nedensel bir ilişkiye "işaret ettiğini" veya bunu "desteklediğini" belirtin.
Çalışmanın sınırlılıkları konusunda tamamen şeffaf olun. Sonuçları etkilemiş olabilecek ancak kontrol edemediğiniz diğer değişkenleri açıkça listeleyin. Araştırmanızı saygın ve güvenilir kılan şey bu dürüstlüktür.

Bulguları raporlarken, kaynak gösterme tarzınızdaki netlik de akademik güvenilirlik için kritik önem taşır. Akademik yazınızı biçimlendiriyorsanız, apa et al örneği araştırma makalelerinde doğru kaynak kullanımı konusunda size rehberlik eder.

Yarı Deneysel Tasarım Üzerine Son Düşünceler

Her şeyi kontrol edemediğinizde neden-sonuç ilişkisini kanıtlamanın ne kadar zor olduğunu ve sonuçların bazen ne kadar sorgulanabilir hissettirdiğini muhtemelen fark etmişsinizdir. Bu durum can sıkıcı olabilir. Yarı deneysel tasarımlar, mükemmel araştırma koşulları mümkün olmadığında bile gerçek dünya şartlarında çalışarak en doğru ve kullanışlı cevapları almanıza yardımcı olur.

Her bir sınırlılığa takılıp kalmak yerine, net bir yapı oluşturmaya ve seçimlerinizi doğru bir şekilde açıklamaya odaklanın. Jenni gibi araçlar, fikirlerinizi çok daha hızlı organize etmenize ve yazınızı profesyonel tutmanıza yardımcı olur; böylece yazma sürecinde tıkanıp kalmak yerine araştırmanızı güvenle ilerletmeye odaklanabilirsiniz.