GİRİŞ. verilerin bilgisayar programı aracılıyla analizi üzerine odaklanmaktaki amacımız,

Ebat: px
Şu sayfadan göstermeyi başlat:

Download "GİRİŞ. verilerin bilgisayar programı aracılıyla analizi üzerine odaklanmaktaki amacımız,"

Transkript

1 GİRİŞ Bu tezin konusunu, nitel teknikler kullanılarak yürütülen bir sosyolojik araştırmadan elde edilen verilerin bir bilgisayar programı aracılığıyla analizi oluşturmaktadır. Nitel tekniklerin kullanıldığı sosyolojik bir araştırmadan elde edilen verilerin bilgisayar programı aracılıyla analizi üzerine odaklanmaktaki amacımız, pratikte, Türkiye de gerek sosyal bilimler gerek sosyoloji alanında nitel teknikler kullanılarak yürütülen çalışmalara yol gösterici bir örnek sunmaktır. Kuramsal düzeyde ise, metodolojik tartışmalar çerçevesinde nitel veri analizinin neliğinin sorgulanması ve bilgisayar programlarının nitel analize katkısının ortaya çıkarılması amaçlanmaktadır. Genelde sosyal bilimler alanında özelde ise sosyolojide nitel araştırma teknikleri giderek yaygınlaşmaktadır. Batıda nitel tekniklerin nicel tekniklere alternatif olarak kullanılması 80 li yıllara uzanmakla ve özellikle 90 lardan itibaren artmış olmakla- birlikte Türkiye de nitel tekniklerin kullanımının yayılımı son on yıllık süreç içinde yükseliş göstermiştir. Nitel teknikler kullanılarak yürütülen araştırmalardan elde edilen verilerin, sistematik bir yolla ve bilimsel araştırma kurallarına uygun bir tarzda analiz edilmeleri gereği kesin bir yargı olarak ileri sürülürken, söz konusu veri analizi nin nasıl yürütülmesi gerektiği konusunda aydınlatıcı, yol gösterici çalışmaların ve örneklerin sayıları oldukça sınırlıdır. Mevcut araştırma raporlarında da araştırmacılar daha çok hangi veri toplama tekniğinin kullanıldığının adının vurgulanması ile ilgili görünmekte olup, verilerin analiz edilme biçimi hakkında yeterince bilgi verici olmamaktadırlar. Bu sebepledir ki, nitel çalışmaların sağladığı esneklik rahatlıkla

2 kolaycılığa yol açabilmektedir; bunun sonucunda ise, bilimsel hassasiyet ve titizlikten uzak, gazeteci röportajları nın ötesine geçemeyen çalışmalarla karşılaşılmaktadır. Batıda sosyal bilimler alanında nitel tekniklerin yaygınlaşması esasında 1980 lerden sonrasına tekabül etse de, özellikle 90 lı yıllarda büyük bir artış göstermiştir. Buna paralel biçimde, nitel araştırma tekniklerini konu alan metot ve metodoloji kitapları hızla artmıştır. Bu süreçte, nitel araştırma yapmaya araştırmacılar tarafından gösterilen ilgi, çoğunlukla hangi veri toplama tekniğinin kullanıldığı üzerinde odaklanmış, analiz sürecine aynı düzeyde ilgi gösterilmemiştir. Miles ve Huberman ın belirttikleri gibi: Bizler, araştırmacıların bize anlattıkları, saha verilerinden iletilemez ve indirgenemez biçimlerde çıkarılmış örüntüler ve sınıflandırmalarla baş başa bırakılmaktayız. Araştırmacının 3600 sayfalık saha notlarından final sonuçlarına nasıl ulaştığını aslında görmemekteyiz (1994: 2). Burada şunu vurgulamak gerekir, nitel anlayışa sahip araştırma desenlerinde veri analiz sürecinin, metodolojik yaklaşımı gereği, sayısallaştırmayı öncelikli hedef olarak almaması, bilimsel ölçütlerden yoksun olduğu anlamına gelmemektedir. Kavramsal çerçevemizde sunduğumuz gibi nesnellik, geçerlilik, güvenilirlik ve genellenebilirlik ölçütlerine pozitivist yaklaşımın eleştirisi yoluyla yeni tanımlamalar getirilmekte; bunun daha ötesine geçilerek, araştırma sürecinin tüm aşamalarının hesap verici ve refleksif tarzda kurgulanıp sunulmasıyla adeta yeni bir dil inşa edilmektedir. Dolayısıyla, standartlaşmış süreçlerin katı yapısına hapsolmayan araştırmacıların, bu sürecin aynı zamanda, standartlaşmanın kendilerine sağladığı rahatlığı yitirme ve araştırmalarının her aşamasının adım adım refleksif 2

3 bir tarzda hesabını verme gibi ağır bir yük altına girme anlamına geldiğinin farkında olmalarının gereğine işaret etmektedir. Son yıllarda ise umut verici biçimde, sosyal bilim araştırmacılarının kullanılan nitel veri toplama teknikleri nin yanısıra nitel analiz sürecinin kendisine de odaklanmaya başladıklarını görmekteyiz. Araştırmacılar, artan biçimde, verilerini nasıl analiz ettiklerinin (hangi analiz yaklaşımının ve analiz tekniklerinin kullanıldığı) hesabını vermektedirler. Söz konusu hesap verebilirliği şeffaflaştıran önemli bir araç bilgisayar destekli nitel veri analizi programlarıdır. Özellikle batıda nitel veri analizine yönelik bilgisayar programları özellikle son yirmi yılda oldukça çeşitlenmiş ve sık kullanılır olmuştur. Türkiye de ise nitel veri analizine yönelik bu tür programlardan herhangi biri henüz, en azından yaygın olarak, kullanılmamaktadır. Bu durum kısmen, araştırmacıların nitel veri analizine gösterdikleri ilginin yeterince güçlü olmamasından kaynaklanmaktadır. Biraz daha genişleterek şunu ileri sürebiliriz ki, araştırmacılar arasında, nitel ya da nicel hangi teknik kullanılırsa kullanılsın, bu tekniklerle elde edilen verilerin bir bilimsel araştırma nın gereklerini karşılayabilmek üzere mevcut amaçlarına aşırı güvenerek, onların güvenilirliklerini sorgulama gereği hissetmemeleri giderek yeni araçlar kullanma konusunda ısrarlı bir arayış içinde bulunmamalarıdır. Bu onları, kullandıkları amaç için hangi ölçütlere sahip olması gerektiği konusunda herhangi bir muhasebe ya da hesap verme gibi bir tavıra girmekten alıkoymaktadır. Bu eğilimi, araştırmacıların metodolojik tartışmalara yeterince ilgi göstermemeleriyle veya kullandıkları konvansiyonel araçlara aşırı güvenleriyle bağlantılandırabiliriz. Nitel veri analizine ilişkin, göreli (relativist) bir yaklaşımdan daha pozitivist bir yaklaşıma kadar uzanan pek çok farklı yaklaşım olduğu halde bugün, farklı 3

4 perspektifleri benimseyen araştırmacıların merkezde buluştuklarını söyleyebiliriz. Şöyle ki, nitel araştırma yapmaya ilişkin göreli bir yaklaşımı benimseyenler azınlıkta kalmakta, bunun yerine giderek daha fazla araştırmacı, verilerinin geçerli, güvenilir ve genellenebilir olmasıyla ilgilenmektedir. İşte tam da bu noktada, nitel veri analizine yönelik bilgisayar programlarının işlevsel bir öneme sahip olduğunu görmekteyiz. Bu tür programlar aracılığıyla araştırmacılar büyük miktardaki nitel verilerle sistematik bir tarzda başa çıkabilmekte; böylece araştırma bulguları sınırlı ya da tekilmerkezli (idiosantrik) olmak yerine genellenebilirlik imkanına kavuşabilmektedir. Ayrıca, nitel araştırmalarda geçerliğin sağlanması açısından önemli olan yoğun betimleme (Geertz,1974) geliştirilen bilgisayar programları ile desteklenebilmektedir (Kelle, 1995). Diyebiliriz ki, bilgisayar programlarının geliştirilmesiyle birlikte nitel veri analizi daha önce hiçbir biçimde sahip olamayacağı olanaklara kavuşmuştur. Bu çalışmada, bilgisayar programlarının nitel veri analizine sunduğu olanakları tanıtmak üzere bir bilgisayar programı örnek olarak seçilmiş ve söz konusu program bu inceleme için özel olarak planlayıp yürüttüğümüz bir araştırmadan elde ettiğimiz verilerin analizinde kullanılmıştır. Metot bölümünde daha açık olarak ifade edildiği üzere, seçilen programın (NVivo), nitel veri analizine yönelik mevcut programlar içindeki gelişmişlik düzeyinin ileriliği seçimimizde etkili olmuştur. Çalışmamızın bölümlerine bakıldığında: Kavramsal Çerçevenin ilk bölümünde nitel veri analizi kısaca tanıtılırken, önce değişik yaklaşımlardan kaynaklanan farklılıklara değinilmiş, ardından nitel veri analizindeki temel analitik süreçler verilmiştir. Kavramsal çerçevemizin ikinci bölümde bilgisayar programı 4

5 aracılığıyla nitel veri analizi hakkında bilgi vermek amacıyla ilk olarak, bu alandaki programlar hakkında kısaca bilgi verilmiş ve bir önceki bölümü tamamlayıcı olarak, bu tip programların nitel veri analizinin temel analitik süreçlerine yaptıkları katkılar genel olarak sunulmuştur. Daha sonra, bilgisayar programları arasında, bunların işlevleri ve türlerine göre metodoloji literatüründe yapılan sınıflandırmalara yer verilmiştir. Bunu izleyen alt bölümde ise, araştırmamızda kullandığımız bilgisayar programı (NVivo) hakkında genel bir tanıtım sunulmuştur. Metot bölümünde çalışmamızın metodu hakkında bilgi verilmiştir. İkinci ana bölümde ise, verilerin sunumu yer almaktadır. Verilerin Sunumu bölümünde, iki ayrı araştırma projesi yer almaktadır. Bunun nedeni, bu tip bir programın nitel veri analizine sağladığı olanakları görebilmek üzere, çalışmamızda iki farklı türde veri kullanılmış olmasıdır. Dolayısıyla kullanılan iki farklı türde veri, program içinde iki ayrı araştırma projesi olarak kaydedilmiştir. Bu araştırma projelerinden ilkine Sıfatlar, ikincisine ise Adalet adı verilmiştir. Bu çerçevede, verilerin sunumu iki alt bölümden oluşmaktadır. İlkinde, kullanılan örnek nitel veri analizi programının kendisi de veri olarak görüldüğünden Sıfatlar adı verilen araştırma projesinin verileri üzerinden programın işletilme sürecinin adım adım tanıtılması ve bilgisayar programının nitel veri analizine getirdiği olanakların sergilenmesi yer almaktadır. Bu alt bölümde araştırmacının rolü programın tanıtılmasıyla sınırlandırılmıştır. İkinci alt bölümde ise, Adalet adı verilen araştırma projesinin verileri sunulmaktadır. Bu alt bölümde araştırmacı programı tanıtma rolünden sıyrılmıştır. Dolayısıyla sadece, Adalet projesi verilerinin örnek bilgisayar programı ile analizi sonucunda elde edilen bulgular sunulmaktadır. 5

6 1. KAVRAMSAL ÇERÇEVE ve METOT Bilgisayar programlarının nitel veri analizine sağladığı olanakların anlatılabilmesi için kavramsal çerçevemizde öncelikle nitel veri analizi tanıtılmaktadır. Nitel veri analizine ilişkin ileri sürülen görüşler, benimsenen ontolojik, epistemolojik ve metodolojik yaklaşımlara göre farklılaşabilmektedir. Aşağıda bu eksende yürütülen tartışmalar kısaca sunulmakta, ardından her ne türde olursa olsun tüm nitel veri analizi türlerinde ortak biçimde paylaşılan temel analitik süreçler tanıtılmaktadır. Daha sonra, nitel veri analizinin temel analitik süreçlerine bilgisayar programlarının katkısı genel olarak sunulmakta ve en son olarak bilgisayar programları işlevleri açısından tanıtılmaktadır. 1.1 Nitel Veri Analizine İlişkin Yaklaşımlar Nitel veri analizi henüz tam anlamıyla standartlaşmış süreçler içermemektedir. Araştırmacıların benimsedikleri ontolojik, epistemolojik ve metodolojik yaklaşımların farklılığına paralel olarak nitel verileri analiz etme tarzları farklılaşabilmektedir. Söz konusu yaklaşımlardan doğan farklılıklar aşağıda ayrı başlıklar halinde sunulmaktadır Ontolojik Yaklaşımlar Nitel verileri analiz etmenin tek bir türü yoktur; araştırmacıların farklı perspektif ve amaçlarına bağlı olarak çeşitli yaklaşımlar vardır (Dey, 1993; Miles ve Huberman, 1984; 1994; Creswell, 1998; Mason, 1996). Bu farklı perspektiflerin kaynağı, araştırmacıların ontolojik ve epistemolojik duruşlarıdır. Nitel olarak adlandırılan 6

7 araştırma geleneği, genelde yorumlayıcı ontolojik yaklaşımlar (fenomenoloji, sembolik etkileşimcilik, etnometodoloji) ve anlamacı epistemolojik yaklaşım ile uyuşumludur (Kuş, 2003). Ancak pratikte, hem bunların her birinin kendi içlerinde çeşitli kombinasyonlarını hem de farklı epistemolojik yaklaşımlarla (pozitivizm, post-pozitivizm, realizm) kombinasyonlarını görebilmekteyiz. Bu durum nitel araştırma türlerinin/tekniklerinin çok çeşitli olmasının altında yatan temel neden olmaktadır. Denzin, Lincoln ve Guba (2002), paradigma kavramını kullanarak, nitel araştırmalarda tek bir paradigmanın geçerli olamayacağını vurgulamaktadırlar. Onların tanımlamalarıyla mevcut paradigma ve perspektifler şunlardır: Pozitivizm, post-pozitivizm, yorumlayıcılık, inşacılık, hermeneutik, feminizm, eleştirel teori ve marksist modeller, kültürel çalışma modelleri. Ancak, Denzin ve Lincoln un paradigma adı altında farklı yaklaşımları sınıflandırmaları bize göre sorunludur çünkü, ontolojik ve epistemolojik yaklaşımlar arası ayrım bulanıklaşmaktadır. Aslında bu bulanıklık, nitel araştırma yapmaya ilişkin yaklaşımları sınıflandırma girişimlerinin çoğunda mevcuttur. Örneğin Creswell (1998), nitel araştırma yapma tarzlarını gelenek (tradition) adını verdiği beş farklı yaklaşım temelinde incelemektedir. Ancak bu beş yaklaşıma (etnografi, fenomenoloji, biyografi, alansal yaklaşım, vaka incelemesi) bakıldığında yine ontolojik ve epistemolojik-metodolojik yaklaşımlara göre bir farklılaştırma yapılmadığını, tersine bunların iç içe geçmiş bir halde sunulduğunu görmekteyiz. Fielding ve Lee nin de vurgulamış oldukları gibi, nitel terimi yaygınlaşmadan önce, deneysel koşullar ya da nicel surveylerle ilgilenmeyen sosyal bilim araştırmacıları kendi aktivitelerini basitçe alan araştırması (field work) olarak, veri toplama tekniklerini ise katılımlı gözlem 7

8 olarak adlandırmaktaydılar. Günümüzde metodolojik literatür, nitel araştırmacıların sahip oldukları perspektifleri naturalist, yorumlayıcı ya da fenomenolojik gibi terimlerle ya da araştırmacıların kendi duruşlarını temellendirdikleri metodolojik düşünce okuluyla (sembolik etkileşimcilik ya da etnometodoloji gibi) ya da kullandıkları araştırma yaklaşımıyla (etnografi, alansal yaklaşım, söylem analizi vb.) adlandırmaktadır. Bu terimler oldukça bulanıktır ve birbirleriyle iç içe geçebilmekte ya da aynı kavramsal düzeyde yer almamaktadır (Fielding ve Lee, 1991: 16). Sonuç olarak, bir epistemolojik duruşa ya da metoda (tekniğe) işaret eden terimleri birbirlerinden açıkça ayırmak zorlaşmaktadır. Bize göre, nitel araştırma yapmaya ilişkin metot ve metodoloji literatüründe gözlemlenen bu karmaşa, nitel araştırmalara temel olan ontolojik yaklaşımlar hakkında net bir fikre sahip bir okuyucu açısından sorun olmaktan çıkacaktır. Nitel araştırmalar temelde yorumlayıcı ontolojik yaklaşımlara dayanmakla birlikte, araştırmacıların bu yaklaşımlar arasından yaptıkları seçim farklı olmaktadır. Ontolojik yaklaşımların veri analizine etkisi, analizin odağı ve yorumlama teknikleriyle ilgilidir. Feldman (1995) çalışmasında, nitel veri analizinde ontolojik tercihlere bağlı olarak farklılaşan yorumlama tekniklerine örnekler vermektedir. Buna göre diyelim, etnometodolojik bir yaklaşım benimseyen bir araştırmacı dikkatini genelde süreçler üzerine yöneltecek ve özel olarak elde var bir kabul edilen pratikleri analizinin odağına alacaktır. Ya da dratmaturjik bir yaklaşım benimsenmiş ise, analizin öncelikli ilgi odağı bir performansın, onu gerçekleştiren aktörler ve izleyiciler ya da potansiyel izleyici kitlesi için ifade ettiği anlam olacaktır (Feldman, 1995: 5). Bu durumda araştırmacının, nitel verilerini yorumlama tekniği ontolojik yaklaşımına göre şekillenecektir. 8

9 Buna benzer biçimde Flick, Kardoff ve Steinke (2004), nitel araştırma etiketinin bir dizi farklı araştırma yaklaşımına işaret eden genel bir terim olduğunu belirtmekte ve bunların teorik sayıtlıları, araştırma nesnelerini anlama tarzları ve metodolojik odaklarına göre birbirlerinden farklılaştıklarını ifade etmektedirler. Onlara göre, farklı yaklaşımlar teorik referans noktalarına göre üç başlık altında özetlenebilir: Öznel anlamları ve bireysel anlayışları inceleyen sembolik etkileşimcilik ve fenomenoloji; gündelik rutin ve sosyal gerçekliğin inşasıyla ilgilenen etnometodoloji ve inşacılık ve son olarak, latent sosyal konfigürasyonlarla ilgilenen yapısalcı ya da psikoanalitik duruşlar. Bu yaklaşımların her biri araştırma amaçlarında ve uyguladıkları metotlarda farklılaşmaktadır (Flick, Kardoff ve Steinke, 2004: 5). Sonuç olarak, ontolojik yaklaşımların nitel veri analizine etkisi, verilerde neye odaklanıldığı ve verilerin nasıl yorumlandığı ile ilgili olmaktadır. Dolayısıyla bu durum, uluslararası literatürde mevcut bir çok farklı metot (metodoloji değil) kitabında, nitel veri analizine ilişkin farklı tekniklerin öne sürülmekte oluşunun nedenlerinden biri olarak karşımıza çıkmaktadır Epistemolojik Yaklaşımlar Epistemolojik pozisyonları açısından bakıldığında, ortaya yine oldukça çeşitli bir tablo çıkmaktadır: Nitel araştırma yapmaya ilişkin epistemolojik yaklaşımlar, pozitivizm, post-pozitivizm, realizm ve anlamacı çizgide olabilmektedir. Miles ve Huberman a göre, çalışma düzeyinde araştırmacıları, görelilik ve postpozitivizm arasındaki stereo tipleştirilmiş süreklilik çizgisinin herhangi bir yerinde sabit bir yerde bulmak güçtür. Artık, post-pozitivistler, natüralist ve fenomenolojik yaklaşımları kullanmaktadırlar. Aynı zamanda, artan sayıda yorumlayıcılığa 9

10 yönelimli etnograf önceden düzenlenmiş kavramsal çerçeveler ve araçlar kullanmaktadır. Çok az post-pozitivist öznel anlamların geçerliliğini ve önemini inkar etmekte ve çok az fenomenolog saf hermeneutik yapmaktadır. Eleştirel teorisyenler, sosyal determinizmleri keşfetmek üzere sembolik etkileşimciliği kullanmaktadırlar. Bu konuda Miles ve Huberman Epistemolojik tartışmalarda kutuplaştırmalar yapılırken ampirik araştırmanın fiiliyatında, biz inanıyoruz ki, tüm realistler, yorumlamacılar, eleştirel teorisyenler merkeze yakın durmaktadır diyerek bu çeşitliliğin altında yatan ortaklıklara dikkat çekmektedirler (1994: 4 5). Epistemolojik tercihlerin uzantısı olarak nitel veri analizine yansıyan farklılaşmalar genelde, analiz sürecinin yapılaşma düzeyiyle ilgili olarak karşımıza çıkmaktadır. Buna göre, bazıları analiz süreci için daha yüksek düzeyde bir önyapılaşma istemekte bazıları ise, yapılaşma düzeyinin daha düşük tutulmasını istemektedirler. Ayrıca epistemolojik duruşlar, nitel analiz sonucunda elde edilecek bilimsel bilginin hangi ölçütleri (geçerlik, güvenilirlik) karşılaması gerektiği noktasında farklılaşmaktadır Metodolojik Yaklaşımlar Nitel verileri analiz etmeye ilişkin farklı metodolojik yaklaşımlar arasındaki temel bir ayrım çizgisi kullanılan uslamlama tarzı olmaktadır. Nitel araştırmalarda kullanılan uslamlama tarzının tümevarım olduğu genellikle ileri sürülmektedir. Tümevarımsal uslamlamanın destekçileri, alansal yaklaşımı (Glaser ve Strauss, 1967; Strauss, 1987) kendilerine temel almaktadırlar. Buna göre, nitel veri analizi teoriinşasına yöneliktir. Özellikle, etnografik araştırmalar, vaka incelemeleri bu 10

11 perspektife dahil edilebilir. Daha genel biçimde şu iddia edilebilir ki, bir nitel araştırma türü olarak ortaya çıkmış olan alansal yaklaşımın benimsediği, önerdiği teori-inşa etme amacı, giderek diğer tüm nitel araştırma türlerinin kendilerini ayırıcı kılan bir özellik olarak sahip çıktıkları bir nitel araştırma yaklaşımına dönüşmüştür. Böylelikle, tümevarımsal yaklaşımla teori-inşa etmeye yönelme, nitel araştırmaların/nitel veri analizinin ayrıdedici bir karakteristiği olarak ileri sürülmüştür. Ancak yukarıda da ifade edildiği üzere, farklı yaklaşımlar ya da farklı yaklaşımların iç içe geçmişliğine rastlamak mümkündür. Örneğin, alansal yaklaşımla (grounded theory) özdeşleştirilmiş/iç içe geçmiş vaka incelemesi (case study) bir teori-inşa araştırması olarak sunulmaktadır. Bununla birlikte, pratikte araştırmacıların vaka incelemesine ilişkin farklı perspektiflere sahip olduklarını görebilmekteyiz: Teori-inşasının pozitivist bir duruşla teori-testi araştırması ile paralelliklerinin vurgulanması gibi (Eisenhardt, 2002: 9). Alansal yaklaşımın temel özelliklerine bakacak olursak: Bu teknik, doğrudan doğruya veri toplama süreci ile başlatılmakta ve bu süreçte geliştirilmeye başlanan teori ile veriler arasında sürekli karşılaştırmalarla ilerlemektedir. Nihai teori belirinceye kadar araştırmacı, verilerden hareketle geliştirdiği kategorileri, kavramları sürekli olarak verilerle karşılaştırmakta ve böylece verilere uymayan ları atabilmekte ya da değiştirebilmektedir. Amaç, alana yerleşik (grounded) teori üretimidir 1. Nitel veri analizine ilişkin tümevarımsal olmayan ya da nitel veri analizini sadece tümevarımsal uslamlamayla sınırlandırmayan metodolojik duruşlar da vardır. Örneğin, Miles ve Huberman a göre, kavramsal çerçevenin ve araştırma sorularının 1 Hem teori-inşa yaklaşımını hem de buna yönelik farklı tavır alışları anlayabilmek için Eisenhardt ın Vaka İncelemesi Araştırmalarından Teori-inşa Etme (2002) adlı çalışmasına bakılabilir. 11

12 oluşturulması örneklemin, veri toplama tekniklerinin ve analiz biriminin ve amacının belirginleştirilmesi için gereklidir. Onlar bu tür bir yaklaşımın açıkça, belirli inşalarla başlaması, soruları çıkarması ve bunları uygun bir örneklem çerçevesi ve metodolojiye göre cevaplaması nedeniyle hipotetik-dedüktif 2 bir model olduğunu belirtirler. Bu tarz bir yaklaşımın tümevarımcılar tarafından, yanlış kavramlara, yanlış sorulara ve yanlış bir metodolojiye sahip olabilirlikle eleştirilebileceğini fakat, aslında tümevarımcıların da, araştırma soruları, kavramsal çerçeveler ve örneklem matrisleri ile çalıştıklarını ifade ederler. Çerçeve ve süreçler arasındaki bağ daha az doğrusal olsa da, bu seçimler onların çalışmalarına odaklanmalarına ve sınırları belirlemelerine hizmet etmektedir (Miles ve Huberman, 1994: 22 23) Geçerlik, Güvenilirlik, Genellenebilirlik Anlayışları Yukarıda da ifade edildiği üzere araştırmacıların epistemolojik duruşları çerçevesinde nitel veri analizine ilişkin yaklaşımlar, geçerlik ve güvenilirlik konularında farklı görüşler ileri sürmektedirler Geçerlik ve Güvenilirlik Geçerlik, nitel araştırmaların meşruluğu üzerine tartışmalarda merkezi bir konu olmuştur. Özellikle, nicel ve deneysel yaklaşım taraftarları, nicel ölçüm, çeşitli geçerlik tehditlerine karşı açık kontroller ve ön hipotezlerin biçimsel testi gibi geçerliği güvence altına alan standart araçların yokluğunu eleştirmektedirler. Bu 2 Miles ve Huberman, hipotetik-dedüktif yerine dedüktif terimini kullanmakla birlikte, bu ikinci terimi aslında ilkine işaret eder biçimde kullandıkları için biz burada, yanlış anlamaların önüne geçebilmek için, hipotetik-dedüktif demeyi daha uygun bulduk. Nicel ve nitel araştırma arasındaki ayrımlardan biri genellikle benimsenilen uslamlama tarzına göre, dedüktif (tümdengelim) ve indüktif (tümevarım) olarak ifade edilmektedir. Oysa bu tarz bir adlandırma kanımızca hatalıdır (ve belki de bilinçli bir çarpıtmanın ürünüdür). Şöyle ki, bizleri, 20. yüzyılın başlarında hipotetik-dedüktif uslamlama ile çözüme kavuşturulmuş eski bir probleme tekrar geri döndürmekle, sosyal bilimlerin metodolojisine ilişkin bugün için söz konusu olabilecek gelişmeci bir tavrın önünü kesmekte; mevcut metodolojik yaklaşımlar içindeki eksiklik ya da hataların doğru bir tespitinden, dolayısıyla da çözüme ilişkin doğru tavır alışlardan uzaklaştırmaktadır. 12

13 konuda nitel araştırmacıların tavrı ise farklıdır: ya kendi yaptıkları şey ile nicel ya da bilimsel paradigmanın bağıntısını reddederler (ör. Guba ve Lincoln, 1989) ya da nitel araştırmanın geçerliği sağlama konusunda nicel yaklaşımınkinden farklı kendi prosedürlerine sahip olduğunu ileri sürerler (Maxwell, 2002: 38). Maxwell in belirttiği gibi nitel araştırmacıların geçerlik konularını nasıl kavramlaştırdıklarına ilişkin ilgileri yavaş gelişmiştir. Phillips (1987) ve Kvale (1989) geçerlik kavramının nitel araştırmada meşru ve yararlı olduğunu ileri sürmüşler; Goetz ve Le Compte (1984), Kirk ve Miller (1986) ve Erickson (1989) geçerliliğin çeşitli tanımlarını ve farklı tiplerini önermişlerdir. Eisenhardt ve Howe (1992) da geçerlilik kavramının meşruluğunu kabul ederler ancak bir tipolojiden ziyade geçerliğe ilişkin tek bir kavramlaştırma ileri sürerler. Oysa yukarıda da belirtildiği üzere Guba ve Lincoln (1989) geçerlik ve güvenilirliği pozitivist kavramlar olarak reddederken yerine başka kavramlar önermektedirler : Sahicilik (authenticity) ve güven duyulabilirlik trustworthiness. Bu konuda Steinke, Kvale (1989) ve Guba ve Lincoln ün (1985) geçerlik ve güvenilirliği bu kelimelerin günlük kullanımlarındaki anlamlarına referansla kullandıklarını belirtir: Örneğin, güvenilirlik trustworthiness ya da dependability ya da predicability ile eş görülmektedir (2004: 186). Bunun yanısıra Wolcott (1990) nitel araştırmada geçerlik ya da benzer başka bir kavramın yararlı ya da meşru olduğundan kuşkuludur (Maxwell, 2002: 38). Güvenilirlik konusunda Steinke, nitel araştırma için nicel araştırmadaki gibi özneler arası doğrulama gerekliliğinin uygulanamayacağını belirtir. Ona göre bir nitel araştırmanın özdeş (identic) bir tekrarı mümkün değildir. Çünkü nitel araştırmadaki süreçler ancak sınırlı biçimde standartlaştırılabilmektedir. Steinke, 13

14 nitel araştırma için uygun olanın, araştırma sürecinin özneler arası kavranabilirliği (comprehensibility) olduğunu ileri sürmektedir. Kavranabilirliği garantileme ve kontrol etmek için Steinke araştırmacılara üç yol önerir ki bunlardan birincisi araştırma ve analiz sürecinin çok iyi belgelenmesidir (2004: 187). Maxwell ise, geçerliğe ilişkin nicel ve nitel yaklaşımların bağdaştırılamaz olmadığını belirtir. Tersine her ikisi arasında benzerlikler görmektedir ve kendi sunduğu analizin, deneysel ve nicel araştırmalardaki geçerlik kavramına yönelik imalara sahip olduğunu ifade eder (2002: 41). Maxwell ayrıca, ortak ölçülemezlik konusunda Bernstein ın (1983) görüşüne yer verir, buna göre ortak ölçülemezlik tezi geniş oranda yanlış anlaşılmaktadır. Ortak ölçülemezlik, nesnelliğin reddi ve uç bir göreliliğin kabulü anlamına gelmemektedir. Dolayısıyla, nicel araştırmalarda kullanılan ölçütlerden farklı olsa da nitel araştırmalarda da geçerlik için ölçütler ortaya konulabilir. Maxwell, beş geniş anlama kategorisine karşılık gelen beş geçerlik tipi belirler: Betimsel geçerlik, yorumlayıcı geçerlik, teorik geçerlik, genellenebilirlik ve değerlendirici geçerlik Genellenebilirlik Genellenebilirlik konusunda da nitel araştırmacıların duruşları farklılık göstermektedir. Buna göre, örneğin Denzin genellenebilirliği bir hedef olarak açıkça reddeder. Ancak daha önce de ifade ettiğimiz üzere, nitel araştırmacılar arasında analiz üzerine ilgi ile beraber genellenebilirlik konusuna ilgi de artmıştır. Schofield, bunun bir nedeninin nitel araştırmaların yaygınlaşması ve artık sadece egzotik kültürlerin çalışılması olmaktan çıkmasını gösterir; örneğin eğitim alanında etnografik çalışmaların artması gibi. Bunun yanısıra, değerlendirici araştırmalarda 14

15 etnografik yaklaşımın kullanılmasında büyük artış olmuştur. Schofield, genellenebilirliğe ilginin artmasını, nicel ve nitel metodolojiler arasındaki yakınlaşmaya da bağlamaktadır. Nitel araştırmacılar arasında genellenebilirliğe ilgi artsa da bunun, klasik dış geçerlik anlayışından farklı olduğunu belirtir. Dolayısıyla, yeni bir genellenebilirlik kavramlaştırması yönünde çabalar mevcuttur. Bu temelde bir kesim, mevcut nitel çalışmaların sentezlemesi aracılığıyla genelliğin kazanılması yolları üzerinde durmuştur. Örneğin, Noblit ve Hare (1988) meta-etnografi yi önermişlerdir. Lucas (1974), Yin ve Heald (1975) ise vaka survey metodu nu önermişlerdir. Ragin (1987) ise, Boolean cebirini kullanan alternatif bir nitel çalışmaları sentezleme yolu önermiştir (Schofield, 2002: 177). Schofield, nitel araştırmacıların farklı kavramlaştırmaları olsa da paylaştıkları ortak görüşler olduğunu belirtir. Birincisi, evrensel olarak uygulanan yasalar üretme bağlamında bir genellenebilirlik nitel araştırma için yararlı bir amaç değildir. İkincisi, genel yasalara varma anlamında genellemenin reddi, bir durumdaki çalışmaların diğer bir duruma ilişkin yargılarda bulunmaya yararlı olmasını reddetmek anlamına gelmemektedir. Üçüncü olarak, genellenebilirlik için yoğun (thick) betimleme temel önemde görülmektedir (2002: 179). Miles ve Huberman ise nitel araştırmalarda en yararlı olan genellenebilirliğin, örneklemden evrene değil fakat, analitik genelleme olduğunu belirtmektedirler (1994: 28) Analiz Amacına Göre Farklılaşmalar Nitel veri analizine ilişkin yaklaşımlar analiz amacının ne olduğu noktasında da farklılaşmaktadır. Buna göre nitel veri analizinin amacı, betimleme, anlama, yorumlama ve açıklama biçiminde karşımıza çıkabilmektedir. Nitel veri analizinde 15

16 anlama, merkezi hedef olmasına rağmen, bunun gerçekleştirilmesi için kimi betimlemeyi öne çıkarmakta, kimi nitel analizcinin betimlemenin yanısıra açıklama yapmaya da yönelebileceğini ya da yönelmesi gerektiğini vurgulamaktadır. Ancak, genel olarak şu söylenebilir ki, nitel araştırmacıların tümü için betimleme çok önemli bir yere sahiptir; bunlar nitel araştırmanın Geertz in (1973) adlandırmasıyla yoğun betimleme ye yöneldiğini kabul ederler. Glaser ve Strauss un alansal yaklaşımı analizde eksiksiz, tam betimlemenin önemini vurgular; alanda yerleşik (grounded) teori inşa etmenin yolu bu tarz bir betimlemeden geçmektedir. Kimi nitel araştırmacılar ise, nitel veri analizi için betimlemenin yanısıra açıklama yapmanın önemini de vurgulamaktadırlar. Hatta nitel araştırmalardaki yoğun betimlemenin incelenen olay ya da durumların niçin öyle olduklarının anlaşılması ve açıklanmasında gerekli derin enformasyonu sağladığını ileri sürmektedirler. Bunun yanısıra, Miles ve Huberman (1984; 1994) açıklama yapmaya imkan verecek biçimde nitel veri analizinde gösterimlere (matrisler, tablolar) yer verilebileceğini belirtmektedir Analiz Süreci Konusundaki Görüşler Nitel veri analizi üzerine yazılan, kendi yaklaşımlarıyla sınırlı metot kitapları bir yana bırakılarak metodoloji kitapları temel alındığında bile analiz konusundaki ileri sürülen süreçlerin farklılaşabildiği görülmektedir. Bu konuda Coffey ve Atkinson, analiz tanımının ne anlama geldiği hakkında bir uzlaşmanın bulunmadığını belirtirler (1996: 6). Coffey ve Atkinson ın belirtmiş oldukları üzere, bazıları için analiz öncelikle kodlama, indeksleme, sınıflandırma (sorting), geriçağırma (retrieving) ya da verilerin 16

17 manipüle edilmesi görevlerine karşılık gelmektedir. Bu tarz bir anlayışta, nitel veri analizi spekülasyon ve yorumlamadan görece bağımsız bir düzeyde kalmaktadır. Diğer bazıları içinse analiz, öncelikle yaratıcı yorumlama işine işaret etmektedir. Bunlar için analiz, özsel olarak yaratıcı ve spekülatiftir. Ancak bunlardan başka bazı perspektifler, daha standartlaşmış nicel ya da formel metotları yansıtan kesinlik ilkesi ile sistematik gösterim ve temsili vurgulamaktadır (Coffey ve Atkinson, 2005: 6 7). Coffey ve Atkinson, nitel veri analizine ilişkin Miles ve Huberman (1994), Dey (1993) ve Wolcott un (1994) ( Bunlar konuyu metodolojik düzlemde ele alan yazarlardır) ilk başta farklı görünen süreçler ileri sürmüş olsalar da, ortak noktalara sahip olduklarını belirtirler. Her üçü de nitel veri analizi süreçlerine ilişkin daha sistematik bir yaklaşım içindedirler. Dolayısıyla, bu bölümde bu üç yazardan Miles ve Huberman (1994) ile Wolcott un (1994) görüşleri özetlendikten sonra bir sonraki bölümde Dey in (1993) görüşleri çerçevesinde nitel veri analizindeki temel analitik süreçler aktarılmıştır. Coffey ve Atkinson ın belirttikleri gibi Wolcott, nitel verilerle başa çıkma stratejilerini ortaya koyarken analiz sözcüğü yerine dönüştürme (transformation) deyimini kullanmaktadır. Wolcott için analiz terimi daha sınırlı bir anlama sahiptir. Wolcott a göre nitel veriler farklı yollarla farklı sonuçlara dönüştürülebilir. Dönüştürme metotlarını ise üçe ayırır: Betimleme, analiz ve yorumlama. Betimleme, verilerin kendi başına konuşması gerektiği sayıltısından hareket eder. Verilerin analitik izahatı (account), verilerin orijinal haline yakın durmalıdır. Wolcott buradaki sorunun ne oluyor (what is going on) sorusu olduğunu belirtmektedir. Ona göre betimlemenin amacı, verilerin hikayesini mümkün olduğunca betimsel bir yoldan anlatmaktır (Coffey ve Atkinson, 1996: 9). 17

18 Wolcott a göre analiz, her şeyi kapsayan bir terim olmaktan ziyade, verileri dönüştürmenin daha özel bir yoluna işaret etmektedir. Bu bağlamda analiz, araştırmacının verileri betimsel bir izahatın ötesine genişlettiği (expand) ve uzattığı (extend) süreç olmaktadır. Burada verilere yönelik dikkatli ve sistematik ilgi, anahtar faktör ve ilişkileri saptamak üzerinedir. Böylelikle analiz Wolcott göre hem dikkatli hem de kontrollüdür. Vurgu, verilerde temalar ve örüntüler aramak üzerinedir. Analiz, özsel yönleri ve ilişkileri belirlemek üzere sistematik süreçleri içermektedir (Coffey ve Atkinson, 1996: 9). Nitel verileri dönüştürmenin üçüncü yolu olarak Wolcott, yorumlamayı görmektedir. Yorumlama sürecinde araştırmacı, kendi anlama ve açıklamasını ortaya koyar. Wolcott a göre analizin tersine yorumlama, serbest hissedilen, sınırlandırılmamış, idealist ve yaratıcıdır (Wolcott, 1994: 36 dan akt. Coffey ve Atkinson, 1996: 9). Coffey ve Atkinson, Wolcott un nitel verileri analiz ya da dönüştürmesine ilişkin yaklaşımının ilk bakışta, Miles ve Huberman (1994) ile Dey in (1993) görüşlerinden farklı görünse de aslında bunların benzer süreçler içerdiğini belirtmektedirler. Wolcott un sadece, diğerlerinden farklı olarak betimleme ve yorumlamayı analizden ayrı tuttuğunu ifade ederler (1996: 9). Nitel veri analizinin düz-doğrusal değil fakat dairesel bir sürece sahip olduğu belirtilmektedir (Dey, 1993; Miles ve Huberman, 1994). Bununla, nitel analizcinin sürekli bir biçimde verileri ile oluşturduğu/sahip olduğu kavramlar ya da kategoriler arasında hareket ederek, analizin en başından en sonuna kadar her tür değişikliği yapabilme imkanına sahip olması kastedilmektedir. Miles ve Huberman nitel veri analizinin temel süreçlerini ve işleyiş biçimini şöyle şemalaştırmışlardır (1994: 12): 18

19 Veri toplama Veri gösterimi Veri indirgeme Sonuçlar: Çizme/gerçekleme Miles ve Huberman, bu tarz bir sürecin aslında, nicel araştırmacıların kullandıkları analiz biçimlerinden daha karmaşık olmadığını belirtirler. Nicel araştırmacılar da, veri indirgeme (ortalama, standart sapma, indeksler (indexes)), gösterim (korelasyon, regresyon tabloları) ve sonuç çıkarma/gerçekleme (anlamlılık düzeyleri, deneysel kontrol farklılıkları) ile önceden meşgul olmak zorundadırlar. Ancak onların aktiviteleri, iyi-tanımlanmış benzer metotlarla yürütülür, ilkelerle yönlendirilir ve yinelenmeli (iterative) ya da dairesel olmak yerine genellikle daha ardışıktır. Diğer taraftan nitel araştırmacılar, daha akışkan ve daha öncü bir pozisyondadırlar. Bu nedenle nitel analizin, bir süreç olarak daha iyi belgelenmesi gerekmektedir (1994:12). Sonuç olarak Miles ve Huberman nitel veri analizinin temel analitik süreçlerinin aslında nicel analizdekinden farklı olmadığını, ancak, nitel araştırmacıların nitel tekniklerin kendilerine sağladığı esneklik sayesinde daha avantajlı bir konumda olduklarını belirtirler. Bu esneklik onlara göre, hiçbir biçimde 19

20 sistematik olmayı ve araştırmanın önceden planlanmasını (kavramsal çerçevenin oluşturulması, araştırma sorularının belirginleştirilmesi gibi) dışlamamaktadır. Tersine, ne kadar tümevarımsal bir yaklaşımı benimsemiş olursa olsun herhangi bir araştırmacı, araştırmada hangi yüklere (bin) sahip olduğunu ve bunların kendisine nasıl bir rol yüklediğini bilir. Miles ve Huberman ın çalışmalarının ayırıcı özelliği, nitel analizin sistematik olması yönünde veri gösterimlerinin (tablolar, grafikler, matrisler, çizimler) gerekliliğine yaptıkları vurgudur. Hatta onlara göre, bir araştırmacı en başından itibaren, kavramsal çerçevesini oluştururken bile gösterimlerden yararlanmalıdır. Bu nedenle onların Nitel Veri Analizi adlı eserlerinde, mevcut araştırmacılar tarafından halihazırda kullanılan ya da kullanılabilecek olan gösterimlere geniş yer verilmiştir. Dey in (1993) sınıflandırma, Miles ve Huberman ın (1984;1994) veri indirgeme olarak adlandırmış oldukları analiz aşamasında araştırma amacına göre verilerin düzenlenmesi işlemi yer almaktadır. Burada, veriler kategoriler aracılığıyla sınıflandırılmakta ya da indirgenmektedir. Hangi analiz yaklaşımı benimsenmiş olursa olsun (teori-testi ya da teori-inşası) araştırmacı, analiz sırasında verilerini kategoriler aracılığıyla düzenlemektedir. Araştırmacı, nitel bir çalışmada kategorilere önceden sahip olsa bile, bunları değiştirme ya da yenilerini oluşturma esnekliğine sahiptir. 1.2 Nitel Veri Analizinde Temel Analitik Süreçler Nitel araştırma yapmaya ilişkin birçok farklı yaklaşım bulunmakla birlikte, nitel veri analizinin tam olarak neyi temsil ettiği, hangi süreçlere, işlemlere dayandığı konusunda nicel veri analizindeki gibi kesin ve detaylı talimatlar bulunmamaktadır. 20

21 Bununla birlikte, Fielding ve Lee nin de belirttikleri gibi analiz sürecinin amacı ve metodolojik aşamaları her bir araştırma yaklaşımında idiosantrik olmasına rağmen, her bir grup içinde bazı temel ortaklıklar bulunmaktadır (1991: 25). Sonuç olarak, nitel veri analizi hangi uslamlama tarzı temelinde yürütülürse yürütülsün, tüm nitel veri analizi türleri ortaklaşa biçimde temel analitik süreçleri içermektedir. Bir önceki bölümde ifade edilmiş olduğu üzere, nitel veri analizine ilişkin konuyu metodolojik düzlemde ele alan az sayıda eser bulunmaktadır. Bunlar içinde üç temel metodoloji kitabının yazarları Wolcott (1994), Miles ve Huberman (1994) ve Dey in (1993) nitel analiz sürecine ilişkin görüşleri ortak noktalara sahiptir. Bu durumda, farklı yaklaşımlara rağmen nitel veri analizinde ortak olan temel analitik süreçleri ayırt etmek mümkündür. İster teori-inşasına yönelsin isterse teori-testine, bu yaklaşımlardan herhangi birinin seçimi yalnızca araştırmanın önceden yapılandırılması dolayısıyla, esnekliği konusunda bir ayrıma tekabül etmektedir. Nitel veri analizi şu temel analitik süreçleri paylaşır: Sınıflandırma (classification): Bu aşamada araştırmacı, verileri benzerlik ve farklılıklarına göre kümelere ayırır. Bu işlem sırasında kategoriler oluşturulur ya da mevcut kategorilerden yararlanılır. Sınıflandırmanın daha ileri aşamalarında alt-kategoriler oluşturulur. İlintilendirme (linking): Kategorilerdeki ve alt-kategorilerdeki veri parçalarını ve kategorileri birbirleriyle ilintilendirme. Bağlantılar kurma (connecting): Bu aşamada araştırmacı, mevcut kategoriler ve kavramlar arasında araştırma amaçları çerçevesinde bağlantılar kurmaya çalışır. 21

22 Aşağıda bu temel analitik süreçler daha detaylı biçimde sunulmaktadır Kategoriler Oluşturma Verilerimizin analizi yorumlanmayı gerektirmekle birlikte, analizimiz yorumlamanın ötesine geçebilir. İncelediğimiz fenomenin önemli ya da özsel yönlerini sınıflandırmak ve karşılaştırabilmek için kavramsal araçlar yaratabiliriz. Bu, verilerdeki geniş detaylar ve karmaşıklıktan amacımız doğrultusunda önemli olan yönlere soyutlama yapma sürecini içerir. Örneğin bir kimyacı, suya değil fakat H2O ya odaklanır. Soyutlama, karşılaştırmalar yaparken daha fazla açıklık ve kesinlik sağlar. Nesnelerdeki özsel yönlere ve aralarındaki ilişkilere odaklanabiliriz. Ancak, Dey in ifade ettiği gibi soyutlama yaptığımız şeyin ne olduğunu unutmamalıyız. Bu konuda Dey, Taoist Chuang Tzu nun şu sözlerini aktarır: Balıkçı fileleri balık tutmak için kullanılır ancak, balıklar tutulduğunda insanlar fileleri unuturlar; kapanlar yabani tavşanları yakalamak için kullanılır ama tavşanlar yakalandığında, insanlar kapanları unuturlar. Kelimeler fikirleri iletmek için kullanılır, ancak fikirler kavrandığında insanlar kelimeleri unuturlar (Capra, 1983: 36 dan akt. Dey, 1993: 94). Doğaları gereği, kendilerine verileri yerleştirebilmemizden (assign) önce kategorileri oluşturmak zorundayız. Aynı biçimde, kategorileri parçalayabilmemiz ve eklemeler yapabilmemiz için onlara verileri yerleştirmek zorundayız. Ancak, bu mantıksal önceliğe rağmen pratikte, kendimizi verileri kategorileştirmenin bu farklı yönleri arasında ileri-geri hareket ederken buluruz. Nitel verilerin ayırıcı niteliği 3 Nitel veri analizindeki temel analitik süreçlerin aktarıldığı bu bölüm, Dey in (1993) Qualitative Data Analysis adlı çalışmasından özetlenmiştir. 22

23 zenginlik ve özgülüğü- gözlemler arasında karşılaştırmalar yapmaya kalkıştığımızda sorun yaratır. Gözlemleri karşılaştırmak için, karşılaştırmanın amaçlarıyla ilişkili olabilecek veri parçalarını belirleyebilmemiz gerekir. Peki, bu nasıl mümkündür? İlkece, verileri, benzer olanları gruplandırarak organize ederiz, böylece, diğerlerine benzeyen ya da onlarla ilişkili herhangi bir gözlem diğer gözlemlerle gruplandırılabilir. Ardından, benzer ya da ilişkili veri parçalarının tümünü ayrı kümelere yerleştirip kümeler arası karşılaştırma yapabiliriz. Kümeler içinde altkümeler oluşturabilir, veriler içindeki ilginç benzerlik ya da farklılıkları ayırdedebiliriz. Farklı kümeler ya da alt-kümeler arasında karşılaştırmalar yaparak verilerdeki varyasyonu ve örüntüleri arayabiliriz. İşte tüm bu sürecin işletilebilmesi için, öncelikle, veri parçalarını belirlememize ve diğerlerinden ayırmamıza imkan veren belli bir ölçüt ya da ölçütlere sahip olmamız gereklidir. İkinci olarak, bir gözlemin diğerleriyle benzer ya da ilişkili olduğuna karar vermemizi sağlayan, onların benzer ya da ilişkili olmaları değil fakat onların belirli bir nokta esasında benzer ya da ilişkili olmalarıdır. Ayrımlar, her zaman ampirik olduğu kadar kavramsaldır da ve kendileri aracılığıyla gözlemlerin ayrıştırıldıkları ve karşılaştırıldıkları ölçüt ya da ölçütleri yansıtırlar. Veri analizi sırasında, kendileri aracılığıyla gözlemler arasında ayrımlar yaptığımız kavramsal ölçütleri mümkün olduğunca açık hale getirmeliyiz. Kullandığımız bu kavramsal ölçütler bizim kategorilerimizi oluşturmaktadır. Bir dizi kategorinin geliştirilmesi aracılığıyladır ki biz, gözlemlerimizi benzer ya da ilişkili olarak gruplandırabiliriz; kategorilerin oluşturulması yoluyla veriler organize edilirler. Daha sonra her bir kategori içindeki veriler karşılaştırılabilir. Dahası, gerekirse alt-kategorilerin oluşturulması aracılığıyla daha ileri ayrımlar 23

24 yapılabilir. Bu süreç, analizci, gözlemler arasında ilgili tüm ayrımların yapıldığı konusunda tatmin oluncaya dek sürer. Gözlemler, kurulu bir kategori sistemi aracılığıyla daha etkili biçimde karşılaştırılabilir. Kategorileştirme, sadece benzer ya da ilişkili gözlemlerin bir araya getirilmesini içermez. Aynı zamanda, dahil edilen ve çıkarılan gözlemler arasında farklılaştırmayı da içerir. Dey, kategorileştirmenin gözlemlere ad vermeye benzediğini ve bazen literatürde etiketleme (labelling) olarak adlandırıldığını belirtir, fakat ona göre bu tür bir adlandırma hatalıdır çünkü adlandırma nesneler sınıfına işaret etmekten ziyade özel isimlere karşılık gelmektedir: nesneler sınıfını temsil eden şey bir etiket değildir (etiket) bir kavram değildir (1993: 96). Kategoriler yaratma ise hem kavramsal hem ampirik bir süreçtir; kategoriler, hem kavramsal hem de ampirik olarak temellendirilmelidir (grounded). Yani, hem uygun bir analitik bağlamla ilişkili olmalı hem de ilgili ampirik materyalde temellenmelidir (rooted). Teorik olarak şık kategoriler de eğer verilere uygun değilse, iyi değildir; aynı biçimde, verilere iyi uyan kategoriler de eğer daha geniş bir kavramsal bağlamla ilintilendirilemiyorsa, iyi değildir. Kısaca, kategoriler iki yöne sahip olmalıdır: İçsel bir yön (verilerle anlamlı bir ilişkiye sahip olmalı) ve dışsal bir yön (diğer kategorilerle anlamlı bir ilişkiye sahip olmalı). Dey, kategoriler adlandırmasının tesadüf olmadığını, kategori yaratımının çoğul olduğunu belirtir. Bir kategori, analizde kullanmak istediğimiz diğer kategorilerden izole biçimde yaratılamaz. Bir kategori yarattığımızda, analiz için yararlı olan yollarda verileri nasıl organize edeceğimize ilişkin kararlar almaktayızdır ve bu kategorinin bu daha geniş analitik bağlama nasıl uyacağı nın hesabını yapmalıyız (1993: 97). Kategoriler arasındaki formel ilişkiler, herhangi bir kategori 24

25 ile veriler arasındaki ilişkiyi tanımlamada önemlidir. Bu nedenle, kategorileri yaratırken yaratıcı olduğu kadar sistematik ve mantıklı düşünmek gereklidir. Dey in ifadesine göre bir kategori kümesi yaratımı metotları, hem analiz edilen verilerin türünü hem de araştırmacının amaçlarını, isteklerini, bilgisini ve teorik sofistikasyonunu yansıtır. Bazılarına göre, kategori yaratımının kaynağı sadece verilerdir. Nitel metotlar sıklıkla, önceden mevcut kategorilere yerleştirilemeyecek veriler sağlar. Aslında bu, bir nitel yaklaşımı kullanma rasyonelinin ve meşrulaştırımının bir parçasıdır. Araştırmacının tüm (ya da hiç) önemli kategorik ayrımları araştırma dışında kuramayacağı sayıltılanır. Bazı araştırma biçimlerinde (katılımlı gözlem ya da etnografi gibi) araştırmacı, alana gitmeden önce ön kavramsallaştırmalar kabul etmeye karşıdır ve böylece hemen tümüyle sadece verilerden çıkardığı ayrımlara dayanır. Daha az yapılaşmamış bir araştırmada ise, bazı kategoriler başlangıçta geliştirilebilse de verilerde teyit edilmeleri gerekir. Görece daha yapılaşmış bir teknikte bile, diyelim açık-uçlu sorular içeren yapılaşmış bir soru formu kullanımında, üretilen tüm cevaplar verileri analiz etme işlemi ilerlemeden kategorilere yerleştirilmezler. Aslında, önceden-belirlenmiş kategorilerin kabul edildiği durumlarda bile, bunların verilerdeki önemli ayrımlara tekabül ettiği teyit edilmelidir. Sonuç olarak, kategoriler verilere keyfi biçimde yerleştirilmez, aksine, kategorilerin verileri yansıtmaları gerekir. Kategorileştirme yoluyla kurulan ayrımlar, analiz edilen veriler aracılığıyla anlamlı kılınmalıdır. Ancak, kategorilerin verileri yansıtması, sadece verilerde açık olan ayrımlara dayanacağı anlamına gelmez; bir yansıma (reflection) verilerin yeni bir görünüşünü (view) içerir (araştırmacı tarafından) ve bu görünüş sadece araştırmacının refleksiyonu aracılığıyla oluşabilir, çünkü yapılan ayrımlar analizciye ait olmak zorundadır ve 25

26 araştırmanın genel yönelimi ve amacıyla ilişkilidir. Ayrımlar, araştırmacının verilere getirdiği analitik amaçlara hizmet etmelidir. Sonuç olarak, verilerin kategorizasyonu, kategoriler ve veriler arasında geliştirilecek bir diyalektiğe gereksinir. Kategoriler yaratma ve geliştirme, her ikisi arasında ileri geri hareket edilen bir süreçtir. Kategori yaratmada kullanılan kaynakları özetlersek bunları(dey, 1993: 100): Verilerden yapılan çıkarımlar Araştırma soruları (başlangıçta mevcut olan ya da sonradan ortaya çıkan) Özsel (substantive), politikaya yönelik ve teorik konular Tasavvur/imgelem, sezgi ve ön bilgi Olarak belirtebiliriz. Bir kategorinin anlamı, analiz sırasında evrilmektedir. Hangi veri parçalarının kategorilere atanıp atanamayacağına ilişkin sürekli biçimde kararlar alırız. Diğer bir deyişle, kategorilerimizi, onları verilere atarken kullanacağımız ölçütleri belirleyerek ve değiştirerek sürekli biçimde tanımlamaya ve yeniden tanımlamaya çalışırız. Ölçütlerimizi veriler doğrultusunda genişletmeye ya da değiştirmeye hazır olmamız gerekir. Bu tarz ölçütler olmadan analizimiz keyfi ve izlenimsel kalacaktır. Sonuç olarak, kategorilerimizi tanımlarken hem dikkatli hem şüpheci (tentative) olmalıyız yani verilere karşı dikkatli ve onları kavramsallaştırmamıza karşı şüpheci bir tavır takınmak gerekir (Dey, 1993: 102). Alansal yaklaşım taraftarları kategorileri, satır-satır (line-by-line) yaklaşımına göre yaratmaktadırlar. Dey, buna parça-parça (bit-by-bit) yaklaşımı demektedir. Buna göre, her veri parçası, analiz için ilgili olabilecek yönlerini belirlemek üzere tek bir küçük dünya imiş gibi ele alınır. Bir veri parçasının anlamı/önemi, diğer parçalarla zıtlaştırarak/karşılaştırarak, alternatif bağlamlarda 26

27 tasarlanarak ya da ilgili teorik konulardan yararlanılarak dikkate alınır/değerlendirilir. Bu yolla, verilerin analizinde yararlı olabilecek ayrımlar ortaya çıkabilir. Amaç, tümüyle verilerde yerleşik (grounded) teori yaratımıdır. Kategoriler bu yolla bir kez belirlendi mi analizci daha ileri bir inceleme için konu ile ilgili kategorileri belirleyebilir. Kategori oluşturmada bunun tersine bir yaklaşım daha vardır ki bunda, verilere ilişkin genel bir kavrayışa dayanan kategorilerle başlanıp daha tam ve daha detaylı kategorizasyona geçilir. Burada söz konusu olan holistik bir yaklaşımdır; veriler satır-satır analiz edilmek yerine, verilerdeki temel tema ya da konular, onları bir bütün olarak emerek yakalanmaya çalışılır. Geniş kategoriler ve bunlar arası bağlantılar, verilerin genel bir anlamasından damıtılır/çıkarılır. Ardından daha detaylı bir analizle, alt-kategoriler oluşturma sürecine doğru ilerlenir. Bu yaklaşım, analizci verilerde ne aradığının açık bir fikrine sahipse daha yapılabilirdir. Dey, nitel veri analizinin genellikle bu iki uç arasında bulunduğunu belirtir. Eğer zaman sınırlı ise holistik bir yaklaşımın; amaç teori yaratımı olduğunda parçaparça yaklaşımının daha uygun olacağını belirtir. Dey e göre, verilerin kategorileştirilmesi sırasında analizci, bu düzeylerin her birinde çalışmalıdır. Holistik bir yaklaşım, parça-parça analiz yoluyla verilerde köklenmelidir. Ya da parça-parça yaklaşımında analizci, analizin ilerleyen evrelerinde daha seçici ve bütünleştirici olmalıdır (1993: 105). Kategori yaratımında dikkat edilmesi gerekli hususları özetleyecek olursak, bunları; Verilere iyice tanıdık olmak Verilerin bağlamına her zaman duyarlı olmak 27

28 Esnek olmak kategorileri genişletebilmek, değiştirebilmek ve atayabilmek (assign) Bağlantılara dikkat etmek ve gereksiz çakışmalardan kaçınmak Kategori kararlarının dayandığı ölçütleri kaydetmek Alternatif kategorileştirme ve yorumlama biçimlerini dikkate almak/hesaba katmak (Dey, 1993: 112). Olarak sıralayabiliriz Kategorileri Atama Pratikte kategorileştirme, veri parçalarının bir bağlamdan (orijinal veriler) başka bir bağlama (kategoriye atanan veriler) aktarımını içerir. Veri parçaları kopyalanır ve bu kopya uygun kategoriye dahil edilir. Bu sürecin mekanik yönleri oldukça basittir: metin içinden ilgili veri parçasını almak ve bunu ilgili kategoriye atamak biçiminde gerçekleştirilir (assign). Ancak, sürecin bir de kavramsal yönü bulunmaktadır ki, bu daha karmaşıktır. Bu, şöyle bir soru ile belirir veri parçası (bit of data) nedir? (Dey, 1993: 118). Dey böyle bir soruya doğru bir yanıtın bulunmadığını belirtir. Kelimeleri, satırları, cümleleri ya da paragrafları kategorize etmek isteyebiliriz. Hangisine karar verirsek verelim, kategorileştirdiğimiz parçaların büyüklüğü ile ilgili belirli bir tutarlılığa sahip olmamız gerekir; özellikle de, daha sonra, bir kategoriye atadığımız parçaların sayısını dikkate alarak analizimizi destekleyici kanıtın ağırlığını değerlendirmek istiyorsak bu zorunludur. Şu noktanın bilinmesi gereklidir ki, verileri çok küçük parçalara ayırdığımızda onlar hakkındaki önemli bağlamsal enformasyonu yitirebiliriz. Burada asıl önemli nokta analizcinin, verilerde indirgenemez anlam birimleri olarak neyi hesaba kattığıdır. Bu yaklaşım 28

29 verilerin bütünlüğüne bağlı kalır ve hem içsel hem de analizle ilgili düzlemde veri parçalarının anlamlı olmasını garantiler. Verilerin kategorilere atanması, verilere sistematik biçimde, birim-birim (case-by-case) gitmeyi ve veri parçalarının nasıl kategori edilmesi gerektiğine karar vermeyi içermektedir. Verilerin kategorilere atanması sürecinde kronolojik bir sıra izlenebilir. Bazı durumlarda, doğrudan verilerin kendisi bu tür bir kronolojiye sahip olabilir (ör. Mektuplar). Bu gibi durumlarda kronolojik sıralamanın izlenmesi olayların tarihsel sıralanışını ya da hikayenin veya aksiyonun evrim sürecini tespit için işlevsel olabilir. Ancak tüm veriler bu tür bir kronolojiyi kendi içinde taşımayabilir (ör. Saha notları). Böyle durumlarda ise, şöyle bir kronoloji kurmak mümkündür: en başta tutulan kayıtlar, sonraki kayıtlar vs. Ya da görüşmeler yapılmışsa, benzer biçimde ilk görüşme, ikinci görüşme vs. biçiminde bir sıralama yapılabilir. Eğer verilerle tanışıklığımız yoğun ise, sıralamadan ziyade seçici bir tarzda analize odaklanabiliriz: anahtar sorulara verilen yanıtlara odaklanma gibi (1993: 124). Veriler kategorilere atanırken, atama ya da atamama- kararları üzerine düşünmek önemlidir. Özellikle de, bu tür kararların sorun oluşturduğu kategoriler söz konusu olduğunda. Bu kararlar üzerine düşünmek, dahil etme ve dışlamayla ilgili ölçütleri daha açık biçimde tanımlamaya temel oluşturur. Bir kategori kümesi her zaman, verilerle sürekli bir etkileşim aracılığıyla değişikliğe ve yenilenmeye maruzdur. Kategorilerin atanmasından sonra ayrımlama (splitting) ve eklemleme (splicing) gündeme gelir. Kategorileri yaratıp verileri atadıktan sonra analizimizi inceltme (refining) yollarını düşünürüz. Bunu yaparken dikkatimizi orijinal 29

30 verilerden, kendi çabalarımızla yeniden kavramsallaştırdığımız verilere çeviririz. Artık, verilerimizi, geliştirdiğimiz kategoriler aracılığıyla organize edebilir ve düzenleyebiliriz. Odaktaki bu değişimi Tesch (1990) verilerin yeniden bağlamsallaştırılması olarak adlandırır; veriler artık kendi orijinal bağlamından ziyade bizim oluşturmuş olduğumuz kategorilerin bağlamında görülmektedir (Dey, 1993: 129). Kategorileştirme sırasında ayrımlar yaparken, verileri parçalara ayırıp bir parçayı diğerinden ayrı bir kategoriye yerleştiririz. Dolayısıyla kategorileştirme, atamanın yanısıra verilerin alt bölümlere ayrılmasını da içermektedir. Altkategorileştirme yaparken aynı biçimde verilerimizi alt bölümlere ayırmamız (subdivide) gerekmeyebilir. Alt-kategorileştirme, veri parçalarında daha ileri alt bölümlemeler yapmadan mevcut veri parçaları kullanılarak yapılabilir. Kategorilerimizi bir dizi alt-kategoriye ayrımlayarak (split) daha sonra o kategoriye ait veri parçalarını yerleştirebiliriz. Bir kategoriyi alt-kategorilere bölme süreci sadece kavramsal bir süreç değildir. Çeşitli veri parçalarının uygun kategorilere atanmasını içerir ve böylece bu veri parçalarının analiz edilmesinde yerleşiktir (grounded). Dey e göre, tüm kategoriler alt-kategorileştirmeyi gerektirmez ya da buna değmez. Alt-kategorileştirme, analizin evrilme sürecindeki ilgimizle bağlantılıdır. Örneğin, bazı durumlarda daha ileri bir analiz gerekli olabilir. Alt-kategoriler, tıpkı kategorilerde olduğu gibi, veriler hakkındaki fikirlerimizi ifade eder ve altkategorileştirme süreci de interaktif bir süreçtir. Alt-kategoriler analitik olarak değerli bulunsa bile pratik yararlılığını da kararlaştırmamız gerekir. Veri parçalarını alt-kategorileştirmenin değeri, sonuçlarla ne yapabileceğimize bağlıdır. Bu 30

31 bağlamda, sadece bir alt-kategorideki veri parçalarını değil, ama aynı zamanda altkategoriler arasında veri parçalarını karşılaştırmak isteyebiliriz. Bazen, belirli bir kategori ya da alt-kategorinin ampirik referansından vazgeçebiliriz ancak onun kavramsal önemini görmezden gelemeyiz. Kategorilerin kavramsal anlamı özseldir fakat doğrudan bir ampirik referansa sahip olması zorunlu değildir. Bir kategori, birkaç ampirik örneğe sahip olsa ya da bir ampirik örneğe sahip olmasa bile veriler hakkında önemli bir şeyi ifşa etmekteyse ampirik olarak verilerle ilgili olabilir. En azından belli kategoriler için ampirik ilgi/uygunluk (relevance), ampirik örneklendirmeyi gerektirmez. Şu unutulmamalı ki, alt-kategorileştirme yaparken, öznelerin kendileri tarafından açıkça tanınmayan ya da bildirilmeyen ayrımları kullanırız. Kullandığımız ayrımlar verilerden çıkarsanan fakat verilerde mevcut olmayan ayrımlardır (Dey, 1993: 136). Kullandığımız alt-kategoriler ne kadar çoksa analizimiz o kadar incelmiş ve zarif (delicate) olur. Alt-kategorileştirme yoluyla, onlar olmadan örtük ve bulanık kalacak farklılıkları görme imkanımız olur, ancak çok fazla ayrım da bu sefer gereksiz parçalanmaya ve odak yitimine neden olabilir. Ayrımlama sırasında, kategorilerimizi daha fazla çözüm ve detay arayışımız için parçalarken, eklemleme sırasında daha fazla bütünleşme ve odak arayışımız için onları bir araya getiririz. Kategorilerimiz ne kadar az ve güçlüyse analizimiz o kadar anlaşılır ve tutarlı olur. Eklemleme, basitçe parçalamanın tersi olarak düşünülebilir. Eklemleme yaparken, neyin merkezi olduğuna karar vermemiz yine kullandığımız kategorilerin kavramsal ve ampirik uygunluğu/ilgililiği ile bağlantılıdır. Kavramsal ilgililik, temel ilgi ve amaçlarımız aracılığıyla kurulabilir. Başlangıçta ilginç görülen fikirler sonradan öyle görünmeyebilir. Veriler, fikirlerimizi biçimlendirip 31

32 keskinleştireceğimiz temeli sağlar. Bazı kategoriler verilere çok daha etkili biçimde uygulanabilir. Merkezi konuma gelenler, verilerin çoğunu kapsayanlardır. Ancak bu, zorunlu olarak böyle değildir; bu konuda mekanik bir yaklaşımdan kaçınmamız gerekir. Daha önce belirtildiği gibi ampirik ilgililik/uygunluk ampirik örneklemeden farklıdır. Küçük bir nokta bizim açımızdan büyük bir öneme sahip olabilir. Ancak şu da bilinmelidir ki, bu küçük nokta, eğer biz aynı zamanda manzaranın geri kalan kısmını da kavramış isek önemli olabilir. Burada, kategoriler içi karşılaştırmadan kategoriler arası karşılaştırmaya geçmekteyizdir. Kavramsal düzeyde kategorilerimizi bir kez yarattık mı, bunlar arasında bazı olası ilişkileri de açık ya da örtük biçimde belirlemiş oluruz. Kategoriler arası ilişkiler için de, bunların dahil edici ya da dışlayıcı olup olmadığını ve kategori kümemizdeki farklı sınıflandırma düzeylerini düşünmemiz gereklidir. Analizimize başlamadan önce bile, analizimizde kullanacağımız kategoriler arası bazı mantıksal ilişkilere yönelik kaba bir fikre sahip olabiliriz. Kategorileri eklemlemeyle bağlantılı olarak dikkat edilmesi gerekli noktaları özetlersek, bunları (Dey, 1993: 151); Kategoriler analitik olarak ne kadar merkezidir? Kavramsal olarak nasıl ayrılmaktadırlar? Birbirleriyle nasıl ilişkilidirler? Dahil edici mi yoksa dışlayıcı mıdırlar? Aynı konumdalar mı yoksa üst/alt konumdalar mı? Analizde hangi adımlar onları ortaya çıkarmaya izin vermektedir? Kategori tanımlamaları nasıl evrilmiştir? Geri çağrılan kanıtlar bu tanımlamaları desteklemekte midir? Kategorilerin kapsadığı verilerin miktarı nedir? 32

33 Veri parçaları arasında bunların ayrımlama düzeyleri nedir? Kategoriler arasındaki çakışma düzeyleri nedir? Kategorilerin analitik katkıları nedir? Soruları çerçevesinde tespit edebiliriz. Bu sorulara verilen cevaplar kategorilere veri atanmasının/yerleştirilmesinin daha doyurucu bir tarzda gerçekleştirilmesine katkıda bulunacaktır İlintilendirme Kategorileştirme yoluyla gözlemlerimizi benzerlik ve farklılıklarına göre karşılaştırabilme imkanına sahip olduğumuzu daha önce belirtmiştik. Kategoriler, teorik binalarımızı inşa edebileceğimiz bloklardır. Ancak sınırlılıklara sahiptir. Verileri parçalarken, verilerin farklı parçaları arasındaki ilişkiler hakkındaki enformasyonu yitiririz. Şeylerin nasıl etkileştiklerini ya da bir arada durdukları nı kavramayı yitiririz. Bu enformasyonu elde etmek üzere veriler arasında ilintiler oluştururuz. Veriler arasında ilintiler oluşturulması, sadece formel değil fakat aynı zamanda özsel ilişkileri de içerir. Formel ilişkiler şeylerin benzerlik ve farklılık çerçevesinde nasıl ilişkili oldukları ile ilgili iken, özsel ilişkiler, şeylerin nasıl etkileştikleri ile ilgilidir. Etkileşim yoluyla bağlantılı olan şeylerin benzer olmaları gerekmez. Örneğin, dişçi ve hastasını aralarındaki sosyal rol farklılıkları temelinde formel bir ayrımla kategorileştirebiliriz. Fakat bu iki rol arasında özsel bir bağlantı vardır. Biri olmadan diğeri olamaz. Bu sosyal rolleri anlayabilmek için aralarında mevcut özsel ilişkiyi bilmemiz gerekir. 33

34 İlinti oluşturma, mekanik olduğu kadar kavramsal bir yöne de sahiptir. İki veri parçası arasında üst-ilinti yi, bir biçimde kavramsal olarak bağlantılı olduklarını düşünmekteysek gerçekleştirebiliriz. Bu yönüyle ilinti oluşturma, kategorileştirmeye benzer. Açık ve tutarlı olabilmek için, veri parçaları arasında ilintiler oluşturabilmek üzere bir liste oluşturmamız gerekir. Bu liste, kavramsal ve ampirik olarak yerleşik (grounded) olmalıdır. İlintileri de kategorilerde olduğu gibi iki yoldan kurabiliriz: Başlangıçtaki soru ve amaçlarımızdan çıkarsayarak ve/veya verilerden çıkarsayarak. Kategori kümemizde olduğu gibi ilinti listemizin uzunluğunu kararlaştırmamız gerekir. Bu ise, verilerimizin hacim ve karmaşıklığına ve analizimizin kavramsal araçlarına bağlıdır. Kategori kümesinin tersine ilinti listemiz çok kısa olabilir. İlintileri oluştururken şunlara özen gösterilmelidir (Dey, 1993: 164): Verilerde ilinti kelimeleri arama Sadece analize uygun ilintileri belirleme Verilere mümkün olduğunca yakın durma İlintileri çıkarsarken dikkatli olma İlinti kararlarında etkili olan kuralları belirleme Bağlantılar (connections) Kurma Nitel veriler ne olmakta olduğunun dinamikleri hakkında doğrudan kanıt sunar. Dinamikleri analiz etme yolu, verilerdeki kategorilerin düzenli birliklerinden bağlantılar çıkarsamaktır. Bu yapılır çünkü parçaladığımız verileri tekrar bir biçimde bir araya getirmemiz gereklidir. Ayrı izlenimler biçiminde deneyimlediklerimizi nasıl bağlantılandıracağımız sorununa, Hume un nedenselliği, izlenimlerin sabit 34

35 birleşiminden çıkarsadığımız tarzındaki yanıtından hareketle bir çözüm getirilebilir (Dey, 1993: 169). Daha önce veriler arasında oluşturmuş olduğumuz ilintiler (link) burada bize yardımcı olacaktır. Bağlantılandırma (connect) anlayışına nasıl sahip olduğumuz, ilintileri gözlemleme ve deneyimlemede dayandığımız akıl yürütmede ve bunların nasıl işletildiklerinde yerleşiktir. İlintileri, gündelik yaşantımızda deneyimlediğimiz olaylar arasında mekanizmaları bağlantılandırmanın bir türü olarak görebiliriz. Örneğin, düğmeye bastığımızda ışığın yanacağını beklememiz gibi. Bunları bağlantılandırırız, çünkü bunlar arasındaki ilintiyi anlarız. Diğer taraftan bizim bu bağları belirlememiz, olayların ilişkili olduğu düzenlilik tarafından belirlenir. Olayları birleştirme, olayları birlikte oluşan olarak belirlemeyi içerir. İlinti /bağ kurma ise, bunlar arasında bir etkileşime işaret eder. Dey, bu ikisi arasındaki farklılığı şu biçimde gösterir (1993: 170): Olay X Olay Y Olay X Olay Y Olayları birleştirme Olayları ilintileme Birleştirme ve bağ kurma, şeyler arasında bağlantılar kurmaya temel oluşturur. Olaylar arasındaki düzenli ilişkiler, bunlar arasında olası bağlantıları çıkarsamayı sağlar; ancak bunlar arasındaki bağlantı mekanizmalarını ya da ilintileri oluşturma yoluyla kavramsal doğrulamaya tabidir. İlintilerin kavramsal belirlenimi, olaylar 35

36 arasında bağlantılar belirlemeye temel oluşturur; fakat olaylar arasındaki düzenli ilişkiler aracılığıyla ampirik doğrulamaya tabidir. Kategorileştirmeyi yaptıktan sonra, kategorilerin nasıl bağlantılandırılabileceğini artık doğrudan gözlemleyemeyiz. Ancak, kategorilere atadığımız veri parçalarını karşılaştırabiliriz ve bunlar arasında olası bir bağlantı için kanıt ararız. Bunu gerçekleştirebilmek üzere, kategorilere atadığımız veri parçalarını geri çağırırız. Bu geri çağırmalar yoluyla üç şeyi gerçekleştirebiliriz: İlk olarak, kaç veri parçasının atanmış olduğunu görebiliriz. İkincisi, kategorilere atanmış veri parçaları arasında bağlantıların olup olmadığına ilişkin kanıt arayabiliriz. Üçüncü olarak, kategori hücreleri arasındaki veri parçalarını karşılaştırabiliriz. Geri çağırma sürecinde çapraz tablolar oluştururuz. Geri çağırma süreçleri şu sorgulamaları içermektedir (Dey, 1993: 176): Birlikte uyuşma (concurrence) veri parçaları uyuşmakta mı? Çakışma veri parçaları çakışmakta mı? Sıra veri parçaları ardışık mı? Yakınlık veri parçaları verili bir mesafede mi? Öncelik bir veri parçası diğerini öncelemekte mi? 1.3 Genel Olarak Nitel Veri Analizi Programları 1980 lerde nitel araştırmacılar ve araştırma grupları başlangıçta birbirlerinden habersiz olarak- bilgisayar destekli metin veritabanı sistemleri geliştirmeye başlamış ve bunlardan bazıları (Ethnograph, TAP, AQUAD, NUD.IST) 36

37 pazara çıkmıştır. Bu programlar başlangıçta çok basit ve kullanımı hantaldır. Ancak bunlar, başarılı biçimde kapsamlı yazılım paketlerine dönüşmüşlerdir (ATLAS.ti, MAXqda, ve en yenilerden NVivo). Bunlar yazılım ergonomiğinin gereklerine, grafik gösterime ve kullanım kolaylığına sahip yazılımlardır (Kelle, 2004: 276). Kelle, günümüzde nitel araştırmaya özgü 20 den fazla programın bulunduğunu ve aralarındaki rekabet sonucu bunların, sürekli artan işlevleriyle yeni sürümlerinin piyasaya çıktığını ifade eder (2004: 276). Kelle, bunlar içinde hangisinin en iyisi olduğu sorusuna verilecek cevabın ve işlevlerine göre bunların zayıf ya da güçlü yanlarının karşılaştırılmasının (Tesch 1990; Weitzman ve Miles ve Huberman ın 1995 te yaptıkları gibi) kısa sürede geçersizleşebileceğine işaret etmektedir. Çünkü bu alandaki hızlı teknolojik gelişmeler sonucu, bu tarz karşılaştırmalar daha yayınlanmadan gündem-dışı kalabilmektedir (2004: 276). Kelle ayrıca, iyi bilinen programların (MAXqda, ATLAS.ti ve NVivo) metodolojik açıdan, önemli temel işlevlere erişebilirlik konusunda birbirinden çok az farklılık gösterdiklerini belirtir. Bunların aralarındaki farklılıklar, daha çok sahip oldukları kullanım kolaylığı (user friendliness) ve program geliştiricileri tarafından kullanıcılara sunulan desteklerle ilgili konularda belirmektedir (2004: 276). Nitel veri analizine yönelik bilgisayar programları konusunda Kelle in işaret ettiği bir diğer önemli nokta şudur: Belirli bir analitik stratejiye hangi programın en iyi uyduğu sorusu önemsizleşmektedir. Çünkü son yıllardaki gelişmelerle yazılım paketleri, sahip oldukları işlevler açısından giderek daha fazla birbirine benzemektedir 4 (2004: 277). 4 Kelle ayrıca, İngiltere de Surrey Üniversitesinin yürüttüğü CAQDAS Networking Project in bu konularda araştırmacılar için önemli bir kaynak konumunda olduğunu belirtmektedir (2004: 277). 37

38 Kelle, bilgisayar destekli nitel veri analizi teriminin bazı sorunlar doğurduğundan bahseder. Ona göre bu terim, MAXqda, ATLAS.ti ve NUD.IST gibi programların SPSS istatistik yazılımı gibi kullanılabileceğini düşündürtmektedir. Dolayısıyla Kelle, bir noktanın altını çizer: İstatistik program paketlerinden farklı olarak bu programlar, analiz için araçlar değildir, daha ziyade metinsel verinin düzenlenmesi ve yapılaştırılması içindir (2004: 277). Bize göre Kelle in, nitel veri analizi programlarından, istatistiksel programların sunduğu işlevlerin beklenmemesi gerektiğini belirten görüşü haklıdır. Ancak, bu programların nitel verilerin analizi için bir araç olmadığı şeklindeki görüşü hatalıdır. Bu tarz bir görüş, analizi istatistiksel hesaplamalara indirger görünmektedir. Oysa gerek nicel gerek nitel olsun analiz terimi esasında, kategorilerin ya da değişkenlerin oluşturulması ve bunlar arasında ilinti ve bağlantıların kurulması süreçlerini içeren bir terimdir. Nicel ve nitel analiz, kategoriler ya da değişkenler arasında kurulan bağlantıları sınamak üzere, neleri kanıt olarak gördükleri noktasında farklılaşmaktadır. Bu temelde, nicel analizde verilerin sayısallaştırılmasıyla yapılan istatistiksel hesaplamalardan elde edilen sonuçlar kanıt olarak sunulmakta iken; nitel analizde tersine, metodolojik duruşu gereği özellikle bu tür kanıtlardan kaçınılmaktadır. Demek ki, bu ikisi arasındaki metodolojik ayrılıkların ayırdında olan bir kişi açısından, bilgisayar destekli nitel veri analizi teriminin ifade ettiği anlam, Kelle in işaret ettiği tarzda bir bulanıklığa yol açmayacaktır. Bu konuda Kelle in kendisi de aslında, istatistik programlarının metodolojik farkındalık olmadan kullanıldığı durumlarda, araştırmanın amaçları açısından yanlış sonuç ve yorumlara yol açacağını belirtmektedir (2004: 283). Sonuç olarak şunu rahatlıkla ileri sürebiliriz, nicel ya da nitel olsun, analizi yapan 38

39 araştırmacının kendisidir, her iki tip programlar araştırmacı için analizi sistematikleştiren, kesinlik ve tamlık sağlayan birer araç tır. 1.4 Bilgisayar Programlarının Nitel Analizin Temel Analitik Süreçlerine Katkısı Kavramsal çerçevemizin bir önceki bölmünde nitel veri analizinin temel analitik süreçleri tanıtılmıştı. Dolayısıyla bu bölümde, nitel veri analizi bilgisayar programlarının işlevlerinin tanıtılmasına geçmeden önce genel olarak bunların, nitel veri analizinin analitik süreçlerine katkısı aktarılmaktadır Kategorilere Atanacak Veri Parçalarının Büyüklüğü Konusunda Katkısı Bir önceki bölümde ifade edildiği üzere nitel veri analizinde kategorileştirme süreci pratikte, orijinal metin içinden ilgili veri parçalarının (bit of data) alınarak önceden oluşturulmuş ya da verilerden hareketle oluşturulan kategoriler (kodlama birimleri) içine atanması (assign) sürecini içermektedir. Bu noktada, analizin sistematik ve tutarlı bir tarzda yürütülebilmesi açısından, kategorilere atanacak veri parçalarının büyüklüğünün belirlenmesi sorunu karşımıza çıkmaktadır. Bu sorunu giderebilmek üzere araştırmacıların, orijinal metin içinden kategorilere atanacak veri parçalarının bir kelime, cümle, satır ya da paragraftan hangisi olacağına baştan karar vermesi gerekmektedir. Araştırmacının ayrıca, kategorilere atanacak veri parçalarının çok büyük ya da küçük olması halinde ortaya çıkabilecek olumlu ve olumsuz durumları gözeten bir karar vermesi gerekmektedir. 39

40 Bilgisayar programları, kategorilere atanacak veri parçalarının büyüklüğünü belirleme konusunda araştırmacılara ciddi bir esneklik kazandırmakta; bu konuyu araştırmacılar açısından sorun olmaktan çıkarmaktadır. Nitel veri analizinde temel amaç metinde yerleşik anlamları ortaya çıkarmak olduğundan, bu anlamlar metinden çıkarabilmek üzere metinden seçilecek veri parçalarının büyüklüğüne baştan kesin sınırlar koymak işlevsel olmamaktadır. Bu sebeple, bir bilgisayar programı ile nitel veri analizi yürütülürken, kategorilere atanmış veri parçasının büyüklüğü ne olursa olsun bilgisayar aracılığıyla herhangi bir veri parçasını bağlamı içinde geri çağırmak mümkündür. Tabii, bunun için, kullanılan bilgisayar programının güçlü bir soruşturma ve geri çağırma özelliğine sahip olması gerekir. Kısaca, verilerin kategorilere atanması süreci olarak bağlamsızlaştırma ve kategorilere atanmış veri parçalarını tekrar orijinal metindeki bağlamında görme süreci olarak yeniden bağlamsallaştırma süreçlerinde kodlama ve geri çağırma (coding and retrieving) işlevlerine sahip bilgisayar programları araştırmacılara esneklik kazandırmaktadır. Ayrıca, verilerin kategorilere atanması sürecinde kronolojik vb. bir sıralamayı takip etme ya da sıralamadan ziyade seçici bir tarzda analize odaklanma (anahtar sorulara verilen yanıtlara odaklanma gibi) konularında da bilgisayar programlarının soruşturma özellikleri araştırmacıya büyük kolaylıklar sunmaktadır Kategorilerin İlintilendirilmesi Sürecine Katkısı Kategorilerin birbirleriyle ilintilendirilmesi sürecinde bilgisayar programları çeşitli imkanlar sunmaktadır. Bilgisayar programlarının sunduğu olanaklar çerçevesinde araştırmacılar, sadece aralarında bağlantılar kurabilecekleri kategorileri 40

41 birbirleriyle ilintilendirmenin ötesinde, gerek metinleri birbirleriyle (örneğin, bir numaralı görüşme metni ile üç numaralı görüşme metninin ilintilenmesi gibi) gerek bazı metin ve kategorileri, ya da araştırmacının kendi notlarından oluşan memo belgeleri kategorilerle ilintileyebilme imkanına sahiptir. Ya da bilgisayar programının sahip olduğu özelliklere göre, diyelim nitel veriler görüşme metinlerinden oluşmaktaysa görüşülenlere yüklenen nitelikler (yaş, cinsiyet, işsiz, evli, bekar vb.) ve görüşme metni içinde yer almamakla birlikte onunla ilgili olan fotoğraf, web sayfası, metin vb. ilintilendirilebilecek şeyler listesine dahil edilebilir. Bilgisayar programlarının ilintilendirme konusunda sunduğu bu çeşitlilik, nitel analizin daha sonraki adımı olan bağlantılandırma sürecinde yardımcı olmaktadır. Sadece kategorilerin birbirleriyle değil, fakat aynı zamanda, kategorilerle orijinal metinlerin ve araştırmacının notlarını içeren memo belgelerin birbirleriyle ilintilendirilebilmesi, araştırmacıya, kategoriler arasında kuracağı bağlantılar üzerine çok boyutlu düşünebilme imkanı sunmaktadır. Eğer analiz, kategoriler ve kategoriler arası bağlantıların önceden belirlendiği daha yapılaşmış bir tarzda ilerliyorsa, bu durumda bilgisayar programının ilintilendirme konusunda sunduğu çeşitlilik araştırmacıya, önceden oluşturduğu bağlantıları yeniden, çok boyutlu biçimde gözden geçirme imkanı sunacaktır. Tüm bunlara ilave olarak, bilgisayar programlarının üst-ilinti (hyperlink) kurma işlevi, araştırmacılara analizlerini elde yaptıkları vakit hiçbir biçimde sahip olamayacakları bir imkan sunmaktadır. Şöyle ki, diyelim, X veri parçası Y veri parçası ile ilintilenmiş olsun, bu durumda program aracılığıyla ne zaman X çağırılırsa doğrudan Y ye de ulaşabilme imkanı vardır (ya da tersi). 41

42 Bilgisayar programlarının ilintilendirme konusunda sundukları olanaklar ile, nitel veri analizinin sağlıklı yürütülebilmesi için örneklemin sınırlı tutulması sorunu da ortadan kalkmaktadır. Nitel veri analizine yönelik bilgisayar programlarının geniş sayıda veri ile başa çıkabilme konusunda farklı kapasitelere sahip oldukları bilinmelidir. Bu sebeple araştırmacı, hangi programı seçeceği konusunda bu noktayı da dikkate almalıdır Bağlantılandırma Sürecine Katkısı İlinti oluşturma konusunda bilgisayar programlarının sağladığı üst-ilinti aracılığıyla, veriler arasında, sıralama, anahtar kelimelere ya da kategorilere göre gezinmek yerine, veri parçaları arasında oluşturulan ilintiler kullanılarak gezinilebilir. Böylece araştırmacı dikkatini, doğrudan veri parçaları arasındaki ilişkiye yöneltebilir ve onun içindeki süreci daha etkili olarak gözden geçirebilir. Kategorilerin bağlantılandırılması konusunda, bilgisayar programlarının özellikle soruşturma/arama işlevleri yardımcı olmaktadır. Bu konuda Dey, kategorilerin oluşturulan ilintiler aracılığıyla bağlantılandırılma yollarını şöyle özetlemektedir (1993: 187): Tüm Z ilintilerini geri çağır (kategorilerdeki varyasyona bak) Tüm X ya da Y leri geri çağır (ilintilerdeki varyasyona bak) Z ilintisine sahip tüm X leri geri çağır (Y kategorilerindeki varyasyona bak) Z ilintisine sahip tüm Y leri geri çağır (X kategorilerindeki varyasyona bak) 42

43 Y ye Z ilintisi ile bağlı tüm X leri geri çağır (veri parçaları arasındaki iç kanıta bak) Bilgisayar programlarının arama işlevleri birbirinden farklı olduğu için bu konuda araştırmacıların, analiz amaçlarına göre bir tercih yapması gerekir. Arama işlevi gelişkin bir bilgisayar programı, yalnızca Boolean Arama yapmaya değil fakat onun yanı sıra Yakınlık (Proximity) Arama ya da imkan vermektedir. Yakınlık Aramada, yakınlık ve ardışıklık esaslarına göre arama yapılabilmektedir. 1.5 Bilgisayar Programlarının İşlevleri Analiz sözcüğü pratikte, saha notlarını düzenleme, kodlama, memolar yazma, sonuçlar çıkarma, grafiksel haritalandırma ve rapor yazma gibi birçok aktiviteyi kapsamaktadır. Araştırmacı, metne kelimeleri ya da cümleleri yerleştirme, kelimeleri analiz kategorilerini temsil eden terimlerin sözlüğü ile karşılaştırma, kelimelerin listesini yapma ve bunları alfabetikleştirme, referans enformasyonunu ekleme, kelime ve cümleleri sayma, ilgili metnin bölümlerini işaretleme, kodlar, anahtar kelimeler ya da yorumlar ekleme, tematik olarak ilişkili bölümleri çekip çıkarma ve bir araya toplama gibi yönlendirici etkinliklere girer. İşte bunlar, bilgisayarın yararlı olduğu yerlerdir (Fielding ve Lee, 1991: 25). Bilgisayar destekli nitel veri analizi, analiz zamanını kısaltır, gereksiz yükleri azaltır, işlem sırasını daha sistematik ve açık hale getirebilir, analizde tamamlanmışlığı ve gelişmişliği/incelmişliği garantiler ve analiz süreçlerinde esnekliğe ve revizyona izin verir (Tesch: 1990). Nitel çalışmalarda bilgisayar programı kullanımının işlevsel olduğu basamakları şöyle sıralayabiliriz (Weitzman ve Miles, 1995: 5): 43

44 1- Sahada notlar tutma 2- Saha notlarını yazma-çözümleme 3- Düzeltme (editing): doğrulama, genişletme ya da değiştirme 4- Kodlama: daha sonraki geri dönüşlere imkan verecek biçimde metnin parçalarına anahtar kelimeler ekleme 5- Depolama: metni organize bir veri tabanında tutma 6- Soruşturma ve geri çağırma (search and retrieving): kodlar arasında soruşturmalar yapma ve gerektiğinde bir kodlama birimine dahil edilmiş veri parçasını orijinal metin içinden geri çağırma 7- Verileri ilintilendirme : ilgili veri kümelerini birbirine bağlama, kategoriler, kümeler ya da enformasyon ağları oluşturma 8- Memolar oluşturma: daha derin bir analize temel oluşturmak üzere verilerin bazı yönlerine ilişkin refleksif yorumlar yazma 9- İçerik analizi: frekansları sayma, kelime ya da cümlelerin sırasını ve yerini sayma 10- Veri gösterimi: seçilmiş ya da indirgenmiş verileri denetleme/kontrol etme amacıyla bir matris ya da ağ gibi özetlenmiş, organize bir biçime kavuşturma 11- Sonuç çıkarma ve gerçekleme: analizciye, gösterimlenmiş verileri yorumlamada ve bulguları test etme ya da doğrulamada yardımcı olma 12- Teori-inşası: bulgulara ilişkin sistematik, kavramsal olarak tutarlı açıklamalar geliştirme; hipotez test etme 13- Grafik haritalandırma: bulguları ya da teorileri gösteren diyagramlar yaratma 14- Geçici bilanço (interim) ya da sonuç raporlarını (account) hazırlama 44

45 Wietzman ve Miles, mevcut bilgisayar programlarını beş temel gruba ayırırlar. Buna göre (1995: 5): a- Metin soruşturucu (text retrieving) programlar: veri tabanınızdaki kelime ya da cümleleri aramak ve bunları sonraki soruşturmalarınız için depolamak / saklamak konusunda işlevseldir b- Metin-tabanlı düzenleyiciler (textbase managers): metin soruşturucu programlara ilave olarak, verilerinizi sistematik, organize biçimde düzenlemenize yardımcı olur c- Kodlama ve geri çağırma (code-and-retrieving) programları: verilerinizin cümleler, satırlar, paragraflar gibi anlamlı parçalarına anahtar kelimeler ya da kodlar uygulamanızı sağlar ve daha sonra bu parçaları kodlar ya da kod kombinasyonları aracılığıyla geri çağırmanıza olanak verir d- Kod tabanlı teori inşası (code-based-theory-builders) programları: kodlama ve geri çağırma özelliklerinin yanısıra bir kavramsal yapı inşa etme, alıntı ve memo yazma ve hipotezleri formüle edip test etme fonksiyonlarını içerir e- Kavramsal ağ inşası (conceptual network builders) programları: node lar ve ilintiler (links) ağı aracılığıyla kavramsal şemalar formüle etmenize ve sınamanıza yardımcı olur Nitel veri analizine yönelik bilgisayar programları, araştırmacılara/analizciye entelektüel olarak anlamlı katkılarda bulunmaktadır. Weitzman ve Miles ın da belirttikleri gibi en iyi program yoktur; bir kişi için en iyi seçim, önceki bilgisayar ve araştırma deneyimine, zamana, eldeki projeye ve planlanan analize bağlıdır. 45

46 Daha iyi program ise, öğrenmesi ve kullanımı kolay olan, esnek ve tam/kesin, tutarlı analize olanak verendir. Bu tür programlar sizi verilere yakın tutar ve karmaşık olanı basitleştirmeksizin anlamanıza imkan sunar (1995: 7). Weitzman ve Miles, program seçiminde hangi analiz türünün uygulanacağının da önemli olduğunu ifade ederler. Buna göre analizci şu soruları yanıtlamaya çalışmalıdır (1995: 13 14): a. Keşfedici ya da doğrulayıcı (confirmatory) olma: Verilerinizin neye benzediğini görüp fikirlerinizi tümevarımsal olarak mı geliştireceksiniz? Yoksa, bir teoriye bağlı belirli bir hipotezinizi tümdengelimsel olarak kontrol mü edeceksiniz? Eğer ilkine yönelmişseniz, hızlı ve güçlü bir soruşturma ve geri çağırma, kolay kodlama ve değiştirme ve iyi bir metin ya da grafik gösterimine sahip olmanız gerekir. Eğer bir teoriden başlayıp belirli hipotezleri test edecekseniz, güçlü teori-inşasına ve test-etme özelliklerine sahip bir program daha uygun olacaktır. b. Başlangıçta kodlama şemasına sahip olma ya da evrilmeci yaklaşımı benimseme: Çalışmanız, kodlar (kategoriler, anahtar kelimeler) için iyi tanımlanmış apriori şemalara sahip mi? Yoksa, bu tarz bir şema, bir alansal yaklaşım tarzında sürekli karşılaştırma metodu kullanılarak, siz ilerledikçe mi evrilecek? Eğer ikincisi benimsenmiş ise, ekranda (on-screen) kodlama ve kodların kolay ya da otomatik değiştirilmesi özelliklerine sahip olmak önemlidir. Burada, üst-metin ilintileme (link-making) işlevine sahip programlar da yardımcı olur. Otomatik kodlama işlevine sahip bir program, sizin belirlediğiniz bir kurala göre kodu uygular. 46

47 c. Çoklu kodlamaya karşı tek kodlama: Bazı programlar size, çeşitli farklı kodları metnin aynı parçasına atama imkanı verir. Diğerleri ise bu konuda daha katı olabilir: ancak tek küme, tek kod uygulamasına imkan verir. Bazı başka programlar ise bir kümeye birden fazla kodlama yapma imkanı verir fakat aynı kümede çok sayıda kod bulunduğunu bilmez ; bunları her bir kod için ayrı bir küme olarak görür. d. Yinelenmeli/tekrarlı (iterative) ya da tek geçişli (one pass) olma: Verileriniz arasında çeşitli zamanlarda gezinmeyi, farklı ve değiştirilmiş kesimler almayı ister misiniz? Ya da, entelektüel sebeplerden ötürü kendinizi tek bir geçiş ile mi sınırlandırmak istersiniz? Eğer ilkini istemekte iseniz, esnek, hızlı gezinmelere/geçişlere olanak veren, kod değiştirmelerini kolaylaştıran bir programa gereksinirsiniz. Bu noktada, kayıtlarınızın sabit mi yoksa analiz sırasında değiştirilebilir mi olduğu konusu da önemlidir. e. Analizin inceliği: Analiziniz belli kelimelere mi odaklanacak? Ya da metnin satırlarına, paragraflarına, sayfalarına mı? Programın sizin için hangisine olanak tanıdığına bakmanız gerekir. Verilerinizdeki farklı büyüklükteki kümelere bakabilecek misiniz? Program ne kadar esnek? f. Verilerin bağlamına ilgi: Program, metinden sizin soruşturmanıza göre kümeleri getirdiğinde ne kadar çevreleyici (kodlanmış metin parçalarını orijinal bağlamında çevreleyen) enformasyona sahip olmayı istersiniz? Sadece kelimeyi, satırı ya da cümleyi mi istersiniz? Bunların yanısıra, önceki ya da sonraki cümle ya da paragrafları da 47

48 isteyecek misiniz? Ya da tüm dosyayı görebilmeyi mi istersiniz? Dosyadaki bir yere doğrudan girip üzerinde çalışmak (ör. Kodlama, düzeltme, atama yapmak) ister misiniz? Enformasyonu, size nereden geldiğini bildirecek bir kaynak-fişi ile işaretli görmek ister misiniz (ör. 3. görüşme Ayşe Mutlu, s.22, satır 6 gibi)? Programlar bu konulara göre farklılaşır. Bu sorular temelde, veriye yakınlık konusuyla yakından ilişkilidir. g. Gösterim amaçları: Verileri, indirgeme yapılmamış bir metnin sayfası yerine, organize olmuş, özetlenmiş biçimde görebilmek analizin daha iyi gitmesini sağlar. Bazı programlar, liste biçiminde çıktı verir (metnin parçalarını, kodları vs.). Bazıları, matris gösterimlerine olanak tanır. Bir matrisin her bir hücresi için metin parçalarını ya da kodları listeleyebilirler. Size, parçaları metin yüklü bir matrise yerleştirmeden önce düzeltme, indirgeme, özetleme imkanı veren bir program seçmeniz iyi olacaktır. Bazı programlar size nicel verileri (genellikle frekanslar) bir matris içinde verebilir. Diğer bazıları ise, ağlar ya da hiyerarşik diyagramlar gibi veri gösterimlerinin diğer başlıca biçimlerine imkan vermektedir. h. Sadece nitel verilere mi odaklanılacak yoksa nicel veriler de dahil edilecek mi?: Eğer verileriniz ya da analiziniz sayıları içerme olanağına sahipse, programın şeyleri sayıp sayamayacağını, SPSS, SYSTAT ya da BMDP gibi programlara enformasyon gönderip gönderemeyeceğine bakmalısınız. Ne çeşit bir nicel analiz yapacağınızı ve düşündüğünüz programın verileri uygun biçimde düzenleyip düzenleyemeyeceğinden emin olmanız gerekir. Ayrıca, oluşturduğunuz analitik 48

49 yaklaşımı dikkate alarak, programların nicel ve nitel verileri anlamlı bir biçimde bağlantılandırılabileceğinden emin olmanız gerekir Örnek Bilgisayar Programı Bu bölümde, bu çalışmada bilgisayar destekli nitel veri analizini tanıtabilmek amacıyla örnek olarak kullanılan NVivo adlı bilgisayar programı tanıtılacaktır. Bu program, hem mevcut programlar içinde ileri bir gelişmişlik düzeyine sahiptir hem de ayrıca, kullanımı oldukça kolaydır. NVivo nun teori-inşası na yönelik nitel veri analizi programlarından olduğu belirtilmektedir (Bazeley ve Richards, 2000). Ancak, farklı metodolojik yaklaşımlar (teori-testi yaklaşımı) için de işlevsel bir programdır. Aslında, bir bilgisayar programı için günümüzde teori-inşası etiketine sahip olması, onun, daha önce sözünü ettiğimiz işlevlerin tümünü içerecek kapsayıcılığa ya da çok-işlevliliğe sahip olması anlamına gelmektedir. Bu nedenle araştırmacılar, teori-inşası etiketini gördüklerinde, metodolojik bir duruş olarak alansal/tümevarımsal yaklaşımı zorunlu olarak benimsemeleri gerektiğini sayıltılamamalıdırlar. Tersine, hangi yaklaşımı benimsemiş olurlarsa olsunlar, programın, nitel veri analizi açısından çok işlevli bir teknik donanıma sahip olduğunu bilmelidirler. Daha önce de değinildiği gibi, bir nitel veri analizi programının teoriinşası na yönelik olarak geliştirilmiş olması, programın yetkinliğinin bir göstergesi olup, aynı zamanda teori-testi ne yönelik olanaklara da sahip olması anlamına gelmektedir. Bu nedenle, bu tür programlar, ne tür bir analiz yaklaşımı benimsenmiş olursa olsun, verilere yakın olma yani, analiz amaçlarına göre analizin başında, 49

50 ortasında ya da sonunda verileri olabildiğince esnek ve hızlı bir biçimde kodlayabilme, kümeleyebilme, ilintilendirebilme, geri çağırma ve veriler arasında bağlantılar (grafik gösterimler dahil) kurabilme biçiminde düşünülmelidir. Nitel araştırma her zaman, araştırmacının karmaşık verileri keşfetmesini ve duyarlı biçimde yorumlamasını ve verileri rakamlara indirgemekten kaçınmasını gerektirmektedir. Dolayısıyla nitel analiz her zaman, araştırmacının özetler, notlar, memolar ya da saha notlarındaki kayıtlardan bir anlama geliştirmesini içerir. Nitel araştırmada, araştırma sırasında beliren olaylar ve bunlar üzerine düşünceleri işaret eden notlar (memolar) da veri olarak kabul edilmektedir. NVivo nun, bu tip nitel verilerle başa çıkabilecek araçlara sahip olduğu, tüm bu metotların gerektirdiği teknikleri desteklediği belirtilmektedir (Richards ve Bazeley, 2000). Bu tür, sayısalolmayan, yapılaşmamış verilerde araştırmacılar, indeksleme, arama ve teorileştirme yollarına gereksinim duyar. Nitel araştırmacılar, nadiren önceden toplanmış sabit bir veri gövdesiyle çalışırlar. Gözlemler, görüşmeler, belge analizi, literatür taraması ve diğer araştırma sırasında beliren olaylardan sürekli gelişen ve değişen zengin kayıtlar elde ederler. Bunların kaynakları farklıdır (ör: saha notları, çözümlemeler, tarayıcıdan geçirilmiş belgeler) ve birçok biçimde olabilir (metin, paragraf, kaset, film). Nitel araştırmacıların teknikleri, düşüncelerini birçok farklı biçimde kaydetmeyi ve ilintilendirmeyi; fikir ve örüntüler aramayı ve keşfetmeyi içerebilir. NVivo, veriler ve yorumlama arasındaki katı bölünmeleri kaldırmak üzere tasarlanmıştır ve bir projenin çeşitli parçalarını ilintilendirmenin birçok farklı yolunu sunmaktadır (Richards, 2002: 11). Nitel araştırma genellikle iki yöne sahiptir; karmaşıklığı yaratma ve düzenleme. Verilerinizi kodlayıp, ilintilendirip, biçimlendirip modeller oluşturdukça 50

51 proje karmaşık biçimde gelişecektir (grow in complexity). Ancak program, verilerin anlaşılmasını açıklaştırıcı olma ve araştırma sorularına yanıtlar bulma konusunda yardımcı bir dizi araç sağlayarak fikirlerin sentezlenmesine ve düzenlenmesine yardımcı olmaktadır. NVivo da Proje NVivo ile araştırma yaparken enformasyonu, verileri, gözlemleri, fikirleri ve en önemlisi araştırmanızla ilgili olarak bunlar arasındaki bağlantıları elde tutmak üzere bir proje yaratılır: Herhangi bir projenin yapısı basit ve simetriktir. Araştırma sürecinin basit mi yoksa karmaşık mı olacağı isteğe göre şekillendirilebilir. Bir projede verileri düzenlemek üzere üç sistem vardır: Belgeler, Node lar ve Yüklemeler (attributes). Bir proje sırasında bu sistemleri ilintilendirerek, kodlayarak, biçimlendirerek, göstererek, arama yaparak ve model oluşturarak bir araya getirebiliriz. Proje sayısı birden fazla olabilir. Aynı bir projede, birden fazla araştırmacı da aynı program üzerinde çalışabilir, verilere ulaşabilir, hatta onları işleme tabi tutabilir. Bir proje herhangi bir zamanda kaydedilmiş ya da yedeklenmiş olabilir (Richards, 2002: 13). Belgeler NVivo daki belgeler, zengin metin biçiminde kayıtlıdır. Resim, video, ses, veri tabanı, web sayfaları ya da diğer veri parçalarına ilintilendirme yaparak bileşik (compound) belgeler yaratılabilir. Bir Word işlemcisinden projenize zengin metin dosyası olarak belgeler aktarılabilir ve projeye aktarıldıktan itibaren bunları düzeltme 51

52 ya da yazmaya devam etme işine yine, belge zengin metin biçiminde iken devam edilebilir. Ya da belgeler, tüm yazma, düzeltme ve değiştirme işlemlerini proje süresince gerçekleştirerek Nvivo projesi içinde oluşturulabilir. Projede doğrudan temsil edilmesi istenilmeyen belgeler ek/proxy belgeler olarak oluşturulabilir. Örneğin, projede atıfta bulunmak istenilen kitaplar, diğer belgeler, ses ya da video kasetleri. Node lar Node, NVivo da kategoriler ve kodlar için bir taşıyıcıdır. Node lar çeşitli kategorileri temsil edebilirler kavramlar, insanlar, soyut fikirler vb. Node lar hiçbir düzenleme yapılmadan serbest (free) node olarak ya da hiyerarşik biçimde organize edilerek muhafaza edilebilir. Nitel araştırmacılar, belgeler ile bunlar hakkındaki fikirler arasında hareket ettiklerinden, belge ve node sistemleri NVivo da simetriktir. Her ikisi de Gezginci ve Tarayıcı penceresinde açılabilir ve sistemler arasında kodlama ve ilintilendirme yapılarak hareket edilebilir. Node ve Belgelerin Yüklemeleri (Attributes) Hem belgeler hem de node lar, değerleri istenilen herhangi bir niteliği temsil eden yüklemeler e sahip olabilir. Böylece herhangi bir belge hakkında ya da bir node un temsil ettiği nesne, kişi ya da kavram hakkında enformasyon saklanabilir (ör: cinsiyet=kadın ya da tarih=1999 gibi). Yüklemeler i oluşturduktan sonra değiştirme imkanı vardır. Her bir belgeye uygun değer verildikten sonra, atfedilen başlığa uygun herhangi bir materyal soruşturulabilir. 52

53 Gezginciler (Explorers) Belgeler ve node lar, enformasyonu taşıyan ve diğer araçlara erişimi sağlayan Gezginci pencereleri aracılığıyla görülebilir ve soruşturulabilir: Belge Gezgincisi ve node Gezgincisi, tüm belge ve node lara erişimi sağlar, bunların sayısı arttırılabilir ya da karşılaştırmalar yapılabilir. Her bir Gezgincide bir parçanın diğer parçalarla ilişkisini soruşturulabilir, belirli ölçütlere göre parçaların bulunması istenebilir. Yükleme (attribute) Gezgincisi, belge ve node özellikleri için aynı işlevi yerine getirir. Bunlarla, Özellikler ve farklı belge ve node ların alacakları değerler yaratılabilir, silinebilir, görüntülenebilir, eklemeler yapılabilir ya da değiştirilebilir Tarayıcılar (Browsers) Bir belgenin metnini ya da bir node da kodlanmış tüm metni görüntülemek için Tarayıcı yı açılır. Bir belge ya da node tarayıcısı metni görüntüleyerek açılır. Herhangi bir tarayıcıda iken kodlama yapılabilir. Belge tarayıcısında, metin zengin metin biçiminde iken düzeltilebilir, ve bu işlem sırasında önceden yapılmış herhangi bir kodlama bozulmaz. Node Tarayıcısında, bir node da kodlanmış tüm materyal gözden geçirilebilir, kodlama iptal edilebilir, başka node larda yeniden kodlama yapılabilir ya da yeni fikirleri temsil eden yeni node lar yaratmak üzere kodlamalar yapılabilir. Bir Projenin Süreçleri Yukarıda sözü edilen araçlar kullanılarak şu işlemler gerçekleştirilebilir: 53

54 İlgili belgeleri ve node ları birbirlerine ve diğer verilere bağlantılandıran DataLink leri (DataBites, DocLinks ve NodeLinks) kullanarak verileri üstilintileme Belgeleri ya da onların bir parçasını, konu ya da kavram üzerine olan materyali bir araya getirmek üzere node larda kodlama Soru sormak ya da keşfetmek üzere, belgeleri ya da node ları kümelerde düzenleyerek projeyi biçimlendirme Göster (Show), Süz (Filter) ve Çözümle (Assay) araçlarını kullanarak verileri görme ve onlar üzerine düşünme Fikirlerinizin ya da proje süreçlerinizin görsel grafiksel modellerini oluşturma ve değişiklik yapma Sorularınızı yanıtlamak ya da teori inşa etmek üzere, bir arama çubuğunda bütünleştirilmiş özel-amaçlı arama haznesini (armory) kullanarak metin ya da kodlamayı arayabilme 54

55 1.6 METOT Bu çalışma, bilgisayar programlarının nitel veri analizine sunduğu olanakları, gerek kuramsal düzeyde ilgili metodolojik literatürün izlenmesi yoluyla, gerek pratik düzeyde örnek bir programın kullanımı ile tanıtmaya yönelen bir temel araştırmadır. Tezimizin konusunu bilgisayar destekli nitel veri analizi oluşturduğundan, bilgisayar programlarının işlevleri ve katkılarının neler olduğunu gösterebilmek amacıyla kavramsal çerçevemizde öncelikle nitel veri analizi hakkında bilgi verilmiştir. Nitel veri analizinin neliği konusunda literatürde yer alan farklı görüşlere ontolojik-epistemolojik ve metodolojik yaklaşımlar ekseninde kısaca yer verilmiş, ardından her ne türde olursa olsun tüm nitel analiz pratiklerinde ortak olan temel analitik süreçler tanıtılmıştır. Temel analitik süreçler tanıtılırken, literatürde nitel veri analizi üzerine mevcut bulunan birçok metot kitabı 5 (Ör. Riessman, 1993; Lofland, 1995; Altheide, 1996; Kopala, 1999; Wodak, 2004; Northcutt, 2004; Charmaz, 2006) değil fakat, gerek bu metot kitaplarının gerekse nitel veri analizinin pratikteki süreçlerini dikkate alan metodoloji kitapları temel alınmıştır. Nitel veri analizine ilişkin temel analitik süreçler tanıtıldıktan sonra konu bütünlüğünün bozulmaması amacıyla, bilgisayar programlarının bu süreçlere katkıları ilk aşamada genel olarak sunulmuştur. Ardından bu bilgisayar programlarının işlevleri üzerine metodoloji literatüründe yer alan sınıflandırmalar verilmiş ve son olarak bu çalışmada örnek olarak seçilen program (NVivo) genel olarak tanıtılmıştır. Kavramsal çerçevemizde de belirtildiği üzere günümüzde, bu programlar arası rekabet sonucu bunlar sahip oldukları işlevler açısından giderek 5 Bu tip metot kitapları dahi uluslar arası literatürde oldukça fazla sayıda iken Türkiye de nitel veri analizinin konu edildiği metot kitabı bulunmamaktadır. Bu konuda bir istisna, Mayring in Nitel Sosyal Araştırmaya Giriş adlı eserinin Türkçe çevirisidir. 55

56 birbirine benzemektedir. Günümüzde bu alanda, işlevlerinin gelişkinliği ve yaygın kullanımı ile öne çıkan üç program şunlardır: ATLAS.ti, MAXqda ve NVivo. Kelle (2004), bunlar arasında işlevsel açıdan pek fazla bir farklılığın olmadığını, bunların, araştırmacılara sundukları kolay kullanım imkanı ve program geliştiricilerinin sunduğu destekler açısından farklılaşabileceğini belirtmektedir. Çalışmamızda, nitel veri analizinin bilgisayar programı aracılığıyla nasıl gerçekleştirilebileceğini ve araştırmacılara ne gibi olanaklar sunduğunu gösterebilmek amacıyla örnek bir program olarak NVivo kullanılmıştır. Bunun nedenini şöyle açıklayabiliriz: Nitel veriler, hangi yolla elde edilmiş olursa olsun bir metin formundadır. Dolayısıyla nitel veri analizine yönelik programların, batı dillerinden farklı dillerdeki metinleri de analiz edebilme imkanı sunup sunmadığı önemli bir konu olmaktadır yılında, hangi programın çalışmamızda örnek olarak seçileceğine karar verme sürecimizde, programın gelişkinliğinin yanı sıra ve hatta öncelikle dikkat ettiğimiz konu, programların Türkçe metnin analizine imkan verip vermediği olmuştur. Örnek programın seçimine karar verdiğimiz 2002 yılında, hem bu programlar içinde ileri bir gelişmişlik düzeyine sahip olmasının yanısıra kullanımı kolay olan ve hem de metinlerin zengin metin biçiminde programa aktarılması yoluyla Türkçe metnin analizine imkan verme özelliklerini bir arada barındıran tek programın NVivo olduğu tespit edilmiştir. Ancak bugün, MAXqda ve ATLAS.ti adlı programlar da zengin metin biçimindeki belgeleri kullanma imkanı veren işlevleri ile Türkçe metnin analizi için kullanılabilecek diğer programlar arasında olduğu belirtilmelidir. Yakın bir tarihte her iki programın demo sürümünde yaptığımız kısmi denemelerde Türkçe metnin NVivo ya olduğu gibi bu programlara da sorunsuzca aktarılabildiği görülmüştür. Ancak tekrarlayalım, örnek 56

57 program konusunda tercihimizi yaptığımız tarih bundan yaklaşık dört sene öncesine karşılık gelmektedir ki bugün bu üç program arasındaki benzerlik ve yakınlaşmanın bu dört senelik süreç sonucunda belirdiği göz önünde tutulmalıdır. Aslında bu programların piyasaya sunulan yeni sürümler ile işlevlerinin geliştirilme süreci bugün de devam etmektedir. Örneğin, örnek olarak seçtiğimiz program olan NVivo nun 2006 Mart ayı içinde NVivo7 adında yeni sürümü piyasaya çıkmış bulunmaktadır. Çalışmamızda bir örnek programın kullanılma gerekliliğinin duyulmasının nedeni, kavramsal çerçevemizde teorik ve soyut biçimde sunulan bu tip programların işlev ve katkılarının, okur nezdinde somutlaştırılması ve görselleştirilmesi ne destek vermektir. Ayrıca, bu programın kullanımı yoluyla, iki farklı türde araştırmaya ilişkin Türkçe verileri analiz ederek kazandığımız deneyimleri araştırmacılara aktarmak amacı güdülmüştür. Son olarak, bilgisayar destekli nitel veri analizi konusunu, metodolojik literatürdeki metinlerin basitçe aktarımını yapmakla değil ama seçilen bir programın kullanımı ile örneklendirerek tanıtmanın daha akademik bir tavır olacağı düşünülmüştür. Bu noktada değinilmesi gereken diğer bir husus örnek program seçimimiz ile ilgilidir: Günümüzde gelişmişlik düzeyleri birbirine yakın olan üç programdan (ATLAS.ti, MAXqda ve NVivo) herhangi biri örnek olarak kullanılabilir durumda iseler de, biz eğer kararımızı bugün vermek durumunda olsaydık yine bunlar arasından bir tercih yapma durumunda kalacaktık. Çünkü çalışmamızda amacımız bu programların tanıtımı değil fakat nitel veri analizine katkıları nı ortaya çıkarmaktır. Dolayısıyla, her üçünün tek tek kullanımı ile kapsamlı bir şekilde sunulması bu çalışmanın sınırları içinde, gerek programların lisanslı kullanımı için 57

58 ödenmesi gereken maddi tutarı karşılayamayacak oluşumuz gerekse kısıtlı bir süre içinde her birinin tek bir araştırmacı tarafından etraflıca kullanımının olanaksızlığı nedeniyle, mümkün görünmemektedir. Ayrıca, her birinin tek tek tanıtımı amacımız açısından da işlevsel değildir. Daha önce de belirtildiği üzere bu programlar birbirine yakın gelişmişlik düzeyine sahiptir, sahip oldukları işlevler açısından aralarında farklılıklar yoktur (Kelle, 2004: 276). Bu nedenle bunlardan birinin örnek olarak seçilmesi, genelde bunların nitel veri analizine sundukları olanakların somutlaştırılması ve görselleştirilmesi açısından yeterli olmaktadır. Dolayısıyla çalışmamızın ikinci bölümü olan verilerin sunumu bölümünün ilk alt bölümünde örnek programın işletim sürecinin adım adım tanıtılması, özelde bu programın tanıtılması olarak değil fakat genelde bu tip programların sunduğu olanakların somuttaki işleyişi içinde keşfedilmesi olarak değerlendirilmelidir. Seçilen program, kavramsal çerçevemizde de ifade edilmiş olduğu üzere, nitel veri analizine yönelen programlar içinde ileri bir gelişmişlik düzeyine sahip olma özelliğinin yanı sıra, batıda yaygın bir kullanıma sahiptir ve Türkçe metnin analizine imkan vermektedir; ayrıca kullanım kolaylığına sahiptir. Programa, Türkçe bir metin sorunsuz olarak aktarılmakta ise de, asıl olarak, analiz süreci içinde programın tüm işlevleri kullanıldığında, metnin Türkçe olmasından kaynaklı herhangi bir sorunun belirip belirmediğini test etmek önemlidir. Dolayısıyla, örnek programın kullanımı bir taraftan da, programın Türkçe metnin analizine ne ölçüde imkan verdiğini sınama süreci olmuştur. Deneyimlerimiz sonucu anlaşılmıştır ki, programın bazı işlevleri kullanıldığında, gerek kategori (node) adlarında gerekse metin içinde ş, ı, ğ karakterleri olduğu gibi görüntülenmemektedir. Ancak bu durum, analize ciddi bir engel oluşturmamıştır. Örneğin, programın Arama Aracı kullanılarak bu 58

59 karakterlerden birini içeren bir kelime arandığında, sonuç sorunsuz olmuştur. Şöyle ki: Diyelim, metinler içinden değer kelimesi Arama Aracı kullanılarak arandığında, ğ karakteri metinler içinde olduğu gibi görünmese bile, arama sonuçlarında ilgili metinlerdeki tüm değer kelimesinin bulunduğu görülmüştür. Türkçe metnin bu programda analiziyle ilgili bir başka keşfimiz şu olmuştur: Programda analiz edilecek metinler halihazırda bilgisayar ortamında kayıtlı olduğunda, bunlar programa aktarılmadan önce MS Word içinde Verdana yazı tipine dönüştürülmüş ise, programa aktarılan bu metinlerin programın Belge Gezgincisi içinde ş, ğ, ı Türkçe karakterleri olduğu gibi içerdiği görülmüştür. Deneyimlerimiz sonucu farkına vardığımız bu gibi noktalar, çalışmamızın Verilerin Sunumu bölümünün, programın işletilme sürecinin adım adım tanıtıldığı alt bölümünde aktarılmıştır. Programın gelişmişlik düzeyine sahip olması ise, kavramsal çerçevemizde de sunulduğu gibi genel olarak şu özelliklere sahip olması anlamına gelmektedir: - Araştırmacılara esneklik sağlaması - Farklı metodolojik yaklaşımları desteklemesi (bu tip programlarda teori inşasına imkan verme programın gelişkinliğine atfen kullanılmakta olup, sınırlı biçimde tek bir yaklaşımla analize olanak tanıdığı anlamına gelmemektedir) - Kodlama ve geri çağırma özelliklerinin yanı sıra kategoriler arasında ilintilendirme ve bağlantılandırma yapmaya olanak vermesi - Kategoriler arasında kurulan bağlantıların sergilenebileceği bir model oluşturmaya imkan vermesi 59

60 Bu tip bir programın nitel veri analizine sağladığı olanakları görebilmek üzere, çalışmamızda iki farklı türde veri kullanılmıştır. Bu veriler programda, birbirinden bağımsız iki ayrı araştırma projesi olarak kaydedilmiştir. Bu araştırma projelerinden ilkine Sıfatlar, ikincisine ise Adalet adı verilmiştir. Sıfatlar projesi, açık-uçlu sorulardan oluşan anket formu ile bin kişilik bir örneklemden elde edilen verileri içermektedir. Bu veriler, esasında başka bir sosyolojik araştırmanın verileri olmakla birlikte çalışmamızda, gerek programın kullanımının gerekse sunduğu olanakların keşfedilmesi amacıyla analiz edilmiştir. Örneklemin nitel bir çalışma için oldukça büyük bir sayı olması da, programın imkanlarını sınamak açısından ayrıca önem taşımaktadır. Adalet projesinde kullanılan veriler ise, farklı hukuk görüşlerinin yer aldığı İstanbul ve Ankara Hukuk Fakültesi, Hukuk Felsefesi ve Sosyolojisi Anabilim Dalı öğretim üyelerinin adalet konulu makalelerinden oluşmaktadır. Aşağıda, her iki araştırma projesine ait verilerin analiz edilme metotları ayrı ayrı sunulmaktadır Sıfatlar Projesi Üzerinden Örnek Programın İşletilme Süreci Örnek programı keşfetmek amacıyla, program içinde Sıfatlar adlı projede analiz edilen veriler, Çelebi nin (2000) İsimler ve Sıfatlar başlıklı araştırma projesinin verilerini içermektedir. Söz konusu araştırmanın amacı, insanların sıfat olan kelimelere mi yoksa isim olan kelimelere mi daha çok nitelemede bulunduklarını tespit etmektir (Çelebi, 2000:1). Açık-uçlu soruların bulunduğu yarıyapılaşmış bir soru formu kullanılarak elde edilen veriler, Çelebi tarafından tesadüfî örnekleme yoluyla cevaplayıcı olarak seçilen 1000 üniversite öğrencisinin 60

61 oluşturduğu örneklemden toplanmıştır. Örneklem, Ankara Üniversitesi Dil ve Tarih- Coğrafya Fakültesi nin çeşitli bölümlerinin farklı sınıflarında okuyan kız ve erkek öğrencilerden oluşmaktadır. Öğrencilerin 500 üne beş isim cinsi kelime verilerek kendilerinden bu kelimelerin onlara ne mana ifade ettiklerini bir-iki cümle içinde yazmaları istenmiştir. Diğer 500 öğrenciye ise beş sıfat cinsi kelime verilerek kendilerinden aynı talepte bulunulmuştur. İsim cinsi kelimeler: Anadolu, Avrupa, Demokrasi, Modernlik, Din. Sıfat cinsi kelimeler ise: Anadolulu, Avrupalı, Demokrat, Modern, Dindar kelimelerinden oluşmaktadır. İsimler ve Sıfatlar başlıklı araştırma projesinin verileri tarafımızdan gerçekleştirilen analizinde, amacımız doğrultusunda, bilgisayar destekli nitel veri analizinin tanıtılması merkeze alınmıştır. Analizi gerçekleştirilen verilerin, örnek programın işlevlerinin keşfi ve sınanması açısından faydalı olacağı beklenmiştir. Çünkü bu veriler, uzun bir metin formuna sahip olmamakla birlikte 1000 kişilik bir örneklemden elde edilmiştir. Söz konusu örneklem büyüklüğü nitel araştırmalar için oldukça büyük bir sayıyı temsil etmektedir. Bu nedenle, örnek bilgisayar programının, geniş verilerle başa çıkma konusundaki becerisi de sınanabilmiştir. Programın keşfi amacıyla gerçekleştirdiğimiz analiz, alansal yaklaşım a uygun bir kodlama süreci içinde gerçekleşmiştir. Kavramsal çerçevemizde de sunmuş olduğumuz gibi, kodlama nitel veri analizinin merkezi unsurunu oluşturmaktadır. Ancak kodlama süreçlerinin evrimi uslamlama tarzına göre değişebilmektedir. Alansal yaklaşıma göre kodlama süreci verilerden teorilerin inşa edildiği temel süreçtir (Strauss & Corbin, 1990: 57 den akt. Flick, 2002: 177). Alansal yaklaşımda veri analizine ilişkin süreçler Glaser ve Strauss (1967), ve daha sonra Glaser (1978), Strauss (1987) ve Strauss ve Corbin (1990) in eserlerinde 61

62 yer aldığı haliyle üç kodlama türü içermektedir: açık kodlama (open coding), yönelimli kodlama (axial coding) ve seçici kodlama (selective coding). Sıfatlar projesindeki analizimizde amacımız teori geliştirmek değil, fakat bilgisayar programının nitel veri analizine sunduğu olanaklarını tanıtmak olduğundan, analiz açık kodlama sürecinden ileriye götürülmemiştir. Açık kodlama, bir diğer adıyla in-vivo kodlama sürecinde araştırmacı verilere yakın bir yerde durmaktadır. Kodlama birimlerinin adları dahi verilerden alınmaktadır. Dolayısıyla Sıfatlar projesinde, cevaplayıcıların yanıtları satır satır incelenerek, kendilerine soru olarak yöneltilen kelimelere yaptıkları yüklemeler temsil ettikleri anlam birimlerine kodlanmıştır. Burada kodların (node ların) adları cevaplayıcıların kendi ifadelerinden oluşmaktadır (in-vivo kodlar). Ancak, daha önce de belirttiğimiz gibi, bu verilerle sosyal olana ilişkin bir teorileştirme amacını gütmediğimizden daha üst soyutlama düzeylerine çıkmaya imkan verecek yönelimli kodlama ve seçici kodlama yapılmamıştır. Kodlama süreci tamamlandıktan sonra, kodlama birimleri (node lar) kullanılarak, taksonomik çizelgeler hazırlanmıştır. Taksonomi, daha çok dilbilimcilerin kullandığı sınıflandırıcı bir çizelgenin adıdır (Hudson, 1981; Gibbs, 2002). Bu çizelgelerde, cevaplayıcıların kendilerine yöneltilen kelimelere yaptıkları yüklemeler gösterilmiştir. Söz konusu yüklemeler, Tucker in (1998) sıfatlar arasında yaptığı, şey-yönelimli (thing-oriented) nitelemeler olarak epitetik ve sınıflandırıcı (classifying) ayrımına dayanılarak iki grupta sınıflandırılmıştır. Buna göre değerlendirici (evaluative), etki (effect), boyut (dimension), fiziksel (physical), tipik beşeri (typically human), yaş (age) ve renk (colour) nitelikleri epitetik nitelikler; 62

63 coğrafi ve etnik nitelikleri içeren kimlik (identity) ise sınıflandırıcı nitelikler olarak gruplandırılmıştır. Sıfatlar projesinde kullanılan analiz süreci, programın işletilme sürecinin tanıtılmasına bir kısıtlama getirmemektedir. Farklı bir yaklaşım benimsenmiş olduğunda da, programın işletimi temelde aynıdır. Sıfatlar projesinden hareketle örnek programın tanıtımının içerildiği bölümde, programda yer alan sözcük ve ifadeler Türkçe olarak aktarılmış, orijinal halinde İngilizce olan ifadeler ise parantez içinde sunulmuştur. Bu kelimeler içinde bir tanesi orijinalindeki gibi bırakılmıştır: Node kelimesi. Bu kelime programda, kodlara ya da kategorilere verilen özel bir addır ve merkezi önemde bir ögenin adı olarak çok sık tekrar edilmektedir Adalet Projesi Verilerinin Analiz Metodu Bir bilgisayar programının sunduğu olanakları görebilmek üzere kullandığımız ikinci tür nitel verilerimiz, adalet konulu makalelerden elde edilmiştir. Ancak bu makaleler analiz edilirken, araştırmacı bilgisayar programını tanıtma amacından sıyrılmıştır. Çalışmanın bu bölümünde araştırmacı örnek programı tanıtan değil fakat kullanan biri olarak, Adalet adını verdiği araştırma projesinden elde ettiği bulguları sunmaktadır. Söz konusu araştırmanın konusunu, hukukçuların adaletin neliğine ilişkin görüşleri oluşturmaktadır. Adalet projesi için örneklemimiz, 1933 ten günümüze, İstanbul ve Ankara Üniversitesi, Hukuk Felsefesi ve Sosyolojisi Anabilim Dalı öğretim üyelerinin adalet ile ilgili makaleleri içinden seçilmiş bulunan 22 makaleden oluşmaktadır. Çalışmamızın evreni olarak belirtilen iki Anabilim Dalının belirlenme gerekçesini, 63

64 bu iki Anabilim Dalının farklı hukuk görüşlerinin temsil edildiği bir geleneğe sahip olduklarına ilişkin ileri sürülen sayıltı oluşturmaktadır. Türkiye deki hukuk felsefesine ait eğilimlerin incelendiği başlıca iki çalışma (Öktem, 1988; Balı, 1989) incelendiğinde, her iki üniversitenin ilgili Anabilim Dalında çeşitli hukuk görüşlerinin temsil edildiği görülmektedir. Örneğin Öktem, doğal hukukçu görüş geleneğinin İstanbul üniversitesi Hukuk Fakültesi öğretim üyeleri arasında geniş oranda kabul gördüğünü, Yörük, Çağıl, Çobanoğlu, Aral ve Özbilgen gibi hukukçular tarafından -aralarındaki bazı görüş farklılıklarına rağmen- bu görüşün yeniden üretildiğini yazmaktadır (1988: 108). Buna karşın Ankara Hukuk Fakültesinden Güriz in açıkça normativist-pozitivist görüşte olduğunu ve Topçuoğlu nun plüralist görüşüne rağmen sosyal olguya verdiği önem ile daha çok Durkheimci bir çizgide olduğunu; Gürkan ın ise anglo-sakson realist geleneğin uzantısı bir görüşe sahip olduğunu belirtmektedir (Öktem, 1988: ). Balı ise, Topçuoğlu nun görüşlerini tabi hukukun reddi başlığı altında sınıflandırmakta (1989: 49); Gürkan ın realist görüşlerinin ise, hukuku olduğu gibi ele alması açısından pozitivist olduğunu yazmaktadır (Balı, 1989: 177). Yukarıdaki bilgiler ışığında, Türkiyede ki iki hukuk fakültesi içinde değişik hukuk görüşlerinin temsilcisi olarak farklı epistemik cemaatler in varlığından söz etmek mümkün görünmektedir. Ne var ki, söz konusu epistemik cemaatler içinde hukukun neliğine ilişkin görüşler birbirinden ayrılmakla birlikte bunların, yekpare bir hukuk düzenine sahip toplumlarda bu düzenin oluşturucu ve sürdürücü unsurlarından biri olarak yerini bulan hukuk disiplini içinde bir görüş birliği oluşmasına engel olduğunu ileri sürmek pek mümkün görünmemektedir. Çünkü bir disiplin olarak hukukun deontolojik karakteri, en azından asgari düzeyde bir birliği 64

65 gerektirmektedir. Bu çerçevede hukukçuların adaletin neliğiyle ilgili görüşlerinin incelendiği araştırmamızın hipotezi şudur: Farklı hukuk görüşlerine sahip hukukçular arasında adaletin neliğine ilişkin ortak görüşler tespit etmek mümkündür. Bu noktada vurgulanması gereken husus, bu hipotezin, tezimizin değil fakat tez içinde örnek programın işletilme sürecini tanıtmak amacıyla geliştirilen Adalet e ilişkin görüşlerin karşılaştırılması maksatlı araştırma için kullanılmış olduğudur. Söz konusu hipotezi sınamak üzere her iki Anabilim Dalındaki hukukçuların adaletle ilgili makaleleri örneklem olarak alınmıştır. Makalelerin seçiminde izlenilen yol şöyle olmuştur: Önce söz konusu öğretim üyelerinin makalelerinin tüm bir listesi çıkarılmaya çalışılmış, böyle bir liste belirdiğinde ise konuyla ilgili olabilecekler içerik olarak taranmış ve ardından içeriği uygun görülenler seçilmiştir. Yapılan inceleme sonucunda, konusu doğrudan adalet olmasa da, bir biçimde yazarların adalete ilişkin görüşlerinin de yer aldığı makaleler de örneklemde yer almıştır. Örneklemi belirlemek üzere makale taramalarımızın yanı sıra, ilgili hukukçuların önerileri de dikkate alınmıştır. Bu bağlamda, Işıktaç, Türkbağ ve Uygur un örneklemimizde, adalete ilişkin görüşleriyle ilgili olarak doğrudan kendilerinin önerdiği makaleleri yer almıştır. Örneklemi oluşturan toplam 22 makalenin yedisi Ankara Üniversitesi öğretim üyelerine, on beşi ise İstanbul Üniversitesi öğretim üyelerine aittir. Örneklemde yer alan makalelerden birinin yazarı Yavuz Abadan, Ankara Üniversitesinde görev yapmış olmasına rağmen hukuk formasyonunu edindiği (ve daha önce görev yaptığı) yer esas olarak İstanbul üniversitesi olduğundan kendisi İstanbul Üniversitesinin temsilcisi olarak alınmıştır. Abadan, İstanbul Hukuk Fakültesi ni bitirdikten (1930) sonra Heidelberg Üniversitesi nde doktorasını tamamlamış ve Türkiye ye döndüğünde İstanbul Hukuk Fakültesi nde profesör olarak akademisyenliğe başlamıştır (1933) yılları arasında Eskişehir milletvekili seçilerek Meclis te bulunan Abadan, arasında Ankara Üniversitesinde görev yapmıştır. 65

66 Örneklemimizi oluşturan 22 makale şunlardır : Adalet İdesinin Tartışılması Adalet Kavramı Üzerine Adalet Kavramı ve Sosyal Realite Adalet Kavramının Belirsizliği Adalet ve Hukuk Devleti Ahlakla Hukukun Münasebeti Bir Adalet Bilimi Olarak Hukuk Bilimi Makale Üniversite Yayın yılı Yazar Ebedi Bir Problem Olarak Hayır ve Şer Tezadı Eski ve Yeni Tabiî Hukuk Fenomen ve İdeal Olarak Hukuk Hukuk İdeolojisi: Adalet Sorununa Sosyolojik Bir Yaklaşım Hukuk İdesi Hukuk İdesinin Müspet Hukuk İçin Ehemmiyeti Hukuk Kavramı Hukuki Değer Olarak Adalet Hukukun Anlamı Hukukun Hukuka Aykırılığa Yol Açması Olgusu Postmodernite ve Hukuk Sosyal Adalet Tabii Hukuk Görüşünden Sosyolojik Hukuk Görüşüne Tabii Hukuk Nedir Tabii Hukukun Yeni Veçhesi Ankara Üniversitesi Ankara Üniversitesi İstanbul Üniversitesi Ankara Üniversitesi Ankara Üniversitesi İstanbul Üniversitesi İstanbul Üniversitesi İstanbul Üniversitesi İstanbul Üniversitesi İstanbul Üniversitesi İstanbul Üniversitesi Ankara Üniversitesi İstanbul Üniversitesi Ankara Üniversitesi İstanbul Üniversitesi İstanbul Üniversitesi İstanbul Üniversitesi İstanbul Üniversitesi Ankara Üniversitesi İstanbul Üniversitesi İstanbul Üniversitesi İstanbul Üniversitesi 1997 Adnan Güriz 2004 Adnan Güriz 2001 Niyazi Öktem 2001 Adnan Güriz 2004 Gülriz Uygur 1942 Abdülhak Kemal Yörük 2001 Vecdi Aral 1957 Orhan Münir Çağıl 1939 Richard Honig 1964 Rahmi Çobanoglu 1997 Mehmet Tevfik Özcan 1997 Ernst Hirsch 1937 Richard Honig 1997 Ernst Hirsch 1997 Vecdi Aral 1984 Tarık Özbilgen 2004 Yasemin Işıktaç 2001 Ahmet Ulvi Türkbağ 2001 Üker Gürkan 1964 Tarık Özbilgen 1936 Richard Honig 1950 Yavuz Abadan Bu makaleler analiz edilirken, önce örneklemde yer alan her bir yazarın adaletin neliğine ilişkin görüşlerini içeren taksonomik çizelgeler geliştirilmiştir. Daha sonra, yazarların temsilcisi oldukları hukuk görüşleri içindeki ortak noktaların şemalaştırılmasında Allwood un ileri sürmüş olduğu sekiz semantik-epistemik operasyon türü temel alınmıştır. Hipotezimizin gerçeklenip gerçeklenmediğinin Yukarıdaki liste makale adlarının alfabetik sırasına göredir. Bu makaleler örnek bilgisayar programına aktarıldığında, program böyle bir sıralama yapmaktadır. 66

67 tespiti ise esas olarak, semantik-epistemik operasyonlara göre hazırlanmış bu üç çizelge üzerinden gerçekleştirilmiştir. Kodlama süreci Kodlama süreci açık kodlama (open-coding; diğer adıyla in-vivo kodlama) olarak gelişmiş, verilerden hareketle kodlama birimleri oluşturulmuştur. Örneğin, adalet adı verilen kodlama birimine tek tek her makale içinde bu sözcüğün geçtiği ve tanımlamasının yapıldığı ya da eleştiri ve yorumların yer aldığı pasajlar kodlanmıştır. Buna benzer biçimde, makalelerde hukuk sözcüğünün geçtiği ve tanımlamasının yapıldığı pasajlar hukuk adı verilen kodlama birimine kodlanmıştır. Bu yolla oluşturulan kodlama birimleri arasında başlangıçta, herhangi bir hiyerarşik ilişkiyi temsil edecek bir bağlantı kurulmamış, bunlar tamamen serbest yani birbirinden bağımsız bir formda oluşturulmuştur. Kodlama sürecinin ilk adımında amacımız, makalelerde adaletin yanı sıra beliren kavramlar ve bunların tanımlamalarının kodlama birimleri olarak oluşturulup, bunlar içine makalelerden ilgili pasajların kodlanması olmuştur. Söz konusu pasajların genişliği ise, yazarların tanımlama, yorumlama ve eleştirilerinin uzunluğuna bağlı olarak birkaç cümle, bir paragraf ya da birden fazla paragraftan oluşmaktadır. Nitel analizin temel amacı anlamları keşfetmek olduğundan, bu anlam birimlerinin metin içinden, bir cümle, birkaç satır ya da bir paragraf olarak baştan sınırları kesinleştirilmiş metin parçalarından çıkarılabileceğinin garantisi yoktur. Bu sebepledir ki, bilgisayar programları araştırmacıya bu konuda esneklik tanıyan işlevlere sahiptir. Biz de çalışmamız süresince programın sunduğu olanaktan yararlanarak, kodlama birimlerinde (node larda) kodlanmış metin pasajlarını daha sonra incelediğimizde, bu pasajları anlamı temsil etme açısından eksik görmüşsek genişlettik; pasajı gereğinden 67

68 fazla geniş bulduğumuzda ise daralttık. Sonuç olarak, kodlamaya ilişkin olarak holistik yaklaşım benimsenmiştir. Dey, kodlamaya ilişkin olarak holistik yaklaşımı şöyle tanımlamaktadır: Veriler satır-satır analiz edilmek yerine, verilerdeki temel tema ya da konular, onları bir bütün olarak emerek yakalanmaya çalışılır. Geniş kategoriler ve bunlar arası bağlantılar, verilerin genel bir anlamasından damıtılır/çıkarılır. Ardından daha detaylı bir analizle, alt-kategoriler oluşturma sürecine doğru ilerlenir. Bu yaklaşım, analizci, verilerde ne aradığının açık bir fikrine sahipse daha yapılabilirdir (1993:105). Kodlama sürecimizin ikinci adımında, kodlama birimleri (kategorilerimiz/node lar) içinde kodlu metin pasajları incelenerek, alt kodlama birimleri (alt kategoriler) oluşturulmuştur. Bu yolla kategorilere hiyerarşik bir biçim kazandırılmıştır. Örneğin, adalet kategorisine dört alt kategori eklenmiştir: atıflar, belirsizlik, eleştiri ve neliği. Atıflar alt kategorisine adalet kavramına ilişkin makale yazarının kendi görüşleri değil, fakat atıfta bulunduğu yazarların görüşlerinin yer aldığı pasajlar kodlanmıştır. Eleştiri alt kategorisine, yazarın, adalet kavramıyla ilişkili olarak eleştirdiği noktalar ya da görüşler kodlanmıştır. Belirsizlik alt kategorisine, doğrudan doğruya adalet kavramının belirsiz olduğunu vurgulayan pasajlar kodlanmıştır. Neliği alt kategorisine ise, yazarın, adalet kavramının neliğine ilişkin görüşlerini belirttiği pasajlar kodlanmıştır. Kodlama sürecimizdeki buraya kadar özetlediğimiz üç adım, metnin orijinal halinden veri parçalarının (metin pasajları) alınıp, benzer metin pasajlarının kodlandığı kategorilere atanması sürecine karşılık gelmektedir. Kavramsal çerçevemizde de belirtmiş olduğumuz gibi sözü edilen süreç, bağlamsızlaştırma olarak adlandırılmaktadır (Dey, 1993; Gibbs, 2002). Bu süreç, her bir pasajı ait olduğu 68

69 belgedeki bağlamından ayırarak, aynı konuda kodlanmış pasajların bir diğeriyle kolayca karşılaştırılmasını desteklemektedir. Verilerin yeniden bağlamsallaştırılması Kavramsal çerçevemizde belirtildiği üzere, kategorilerin atanmasından sonra ayrımlama (splitting) ve eklemleme (splicing) gündeme gelmektedir. Kategorileri yaratıp verilere atadıktan sonra analizimizi inceltme (refining) yollarını düşünürüz. Bunu yaparken dikkatimizi orijinal verilerden, kendi çabalarımızla yeniden kavramsallaştırdığımız verilere çeviririz. Artık, verilerimizi, kendi geliştirdiğimiz yeni kategoriler aracılığıyla organize edebilir ve düzenleyebiliriz. Odaktaki bu değişimi Tesch (1990) verilerin yeniden bağlamsallaştırılması olarak adlandırır; veriler artık kendi orijinal bağlamından ziyade bizim oluşturmuş olduğumuz kategorilerin bağlamında görülmektedir (Dey, 1993, 129). Analiz sürecimizi bağlamsızlaştırma sürecinden yeniden bağlamsallaştırma sürecine taşıyabilmek için izlediğimiz yol şu olmuştur: Verilere oldukça yakın duran kategorileri, oluşturduğumuz bir üst kategori şemasına dahil etmek. Böyle kapsayıcı bir üst şema, araştırmamızın hipotezi düşünülerek geliştirilmiştir. Bu bağlamda yazarların, adalet kavramını tanımlarken kullandıkları semantik-epistemik operasyonlar üst kategori şemamızı oluşturmuştur. Semantik-epistemik operasyonlardan oluşan üst kategori şemamız, Allwood un (1999) ileri sürmüş olduğu sekiz semantik-epistemik operasyon türü temel alınarak oluşturulmuştur. Allwood un belirlediği sekiz semantik-epistemik operasyon türü şunlardır: 1. Temel semantik-epistemik kategoriler 2. Temel kavramsal yapı 69

70 3. Zaman ve mekana konumlandırma 4. İlişkiler 5. Süreçler 6. İlişki ve süreçlerden türetilen (derived) roller 7. Özellikler 8. Nicelik, modalite ve değerlendirme Allwood un öne sürdüğü sekiz semantik-epistemik operasyona dayanarak, makaleler için geliştirdiğimiz kategorik şemamız ise şöyledir: 1. Adaletle ilgili ele alınan makalelerde yazarların temel semantik-epistemik kategorileri şunlardır: a. Hukuk pozitivist görüş b. Doğal hukuk görüşü c. Sosyolojik hukuk görüşü 2. Adalet in yazarlarca ortaya konan temel kavramsal yapısı: a. Ahlak b. Hukuk c. Sosyal Gerçeklik 3. Yazarların adalet kavramını zaman ve mekana konumlandırma ları: a. Zaman-mekan bağımlı b. Zaman-mekandan bağımsız 4. Yazarlar adaleti şu dört ilişki içinde ele almışlardır: a. Adalet-ahlak ilişkisi b. Adalet-birey ilişkisi c. Adalet-toplum ilişkisi 70

71 d. Adalet-hukuk ilişkisi 5. Yazarlarca adalet şu iki süreç içinde ele alınmıştır: a. Yasa/kanun yapma/oluşturma süreci b. Yasa/kanun uygulama süreci 6. Yazarların adaleti ele aldıkları ilişkiler ve süreçlerden türettikleri çıkardıkları roller şunlardır: a. Ahlaki rol b. Sosyal rol c. Hukuki rol 7. Yazarlar adaleti şu özellikleriyle ele almışlardır: a. Öznel b. Nesnel 8. Yazarların adaleti değerlendirmeleri iki biçimde karşımıza çıkmakta: a. Onaylama b. Kaçınma Yukarıda görülen kategori şeması içine veriler atanırken (assign), açık kodlama süreci sonucunda oluşturduğumuz ve doğrudan verilerden çıkarsanmış kategorilerden (node lar) hareketle oluşturulan modellerden yararlanılmıştır. Söz konusu modeller, her bir makale yazarının adalete ilişkin görüşlerini içeren taksonomik çizelgelerden oluşmaktadır. Bu çizelgeler, tek tek yazarların görüşlerini toparlayıcı biçimde bir arada görme imkanı vermiştir. Kodlamalarımızı bir üst kategori şemasına taşırken kullandığımız diğer bir kaynak, tek tek her bir makalenin özetini yazmış olduğumuz memo belgeler olmuştur. Bunların yanı sıra, oluşturmuş olduğumuz serbest 71

72 kategorilerden de (node) -özellikle, hukuk, ahlak, sosyal gerçeklik, hukukçu serbest node larından- yararlanılmıştır. 72

73 2. VERİLERİN SUNUMU Bilgisayar Destekli Nitel Veri Analizi başlıklı çalışmamızda, nitel veri analizine yönelik programların sahip oldukları işlevler ile analize katkıları ve sağladıkları kolaylıklar, örnek olarak seçilen bir nitel veri analizi programının kendi verilerimizle kullanımı ile daha detaylıca ve açıkçası somutta neye karşılık geldiği gözler önüne serilerek aktarılmaya çalışılmıştır. Böylelikle, programın işlevlerinin yanı sıra deneyimlerimiz sonucu edindiğimiz pratik bilgiler de aktarılmaktadır. Örnek olarak seçilen program ile iki farklı türde nitel verinin analizi gerçekleştirilmiş olduğundan Verilerin Sunumu bölümü, iki alt bölümden oluşmaktadır. İlkinde, Sıfatlar adı verilen proje verileri üzerinden örnek programın işletilme süreci adım adım tanıtılmaktadır. Bu alt bölüm, basitçe bir programın işletilme sürecinin aktarılması değildir. Örnek programın işlevleri ile bu işlevlerin nitel veri analizine katkıları da yeri geldiğince sunulmaktadır. Ayrıca bu alt bölüm, kavramsal çerçevemizde ifade edildiği üzere, nitel veri analizine yönelik programlar aralarındaki rekabet gereği, sahip oldukları işlevler açısından giderek birbirine benzediğinden genel olarak nitel veri analizi programlarının, nitel veri analizine katkıları nın en somut haliyle görselleştirilerek sunumu olarak okunmalıdır. Verilerin Sunumu bölümünün ikinci alt bölümde, Adalet adı verilerin araştırma projesinin, örnek program ile analizi sonucunda elde edilen bulgular sunulmaktadır. Burada araştırmacı artık, örnek programı tanıtıcı rol ünden sıyrılmıştır. Bunun yerine, programı kullanan biri olarak analiz bulgularını sunmaktadır. Sonuç olarak, Verilerin Sunumu bölümüne ait her iki alt bölümde sunulan veriler araştırmacılara, gerek nitel veri analizinin neliği, gerekse örnek bir program 73

74 üzerinden bilgisayar programlarının nitel veri analizine sunduğu imkanları görebilme imkanı sunulmaktadır. 2.1 Sıfatlar Projesi Üzerinden Örnek Programın İşletilme Süreci Bu bölümde, örnek olarak seçtiğimiz bilgisayar programının (NVivo) işletilme süreci, kendi verilerimizden örneklerle adım adım tanıtılmaktadır. Bir araştırmaya ait veriler ve bunların analizi programda, aşağıda da gösterildiği üzere proje olarak kayıtlı tutulmaktadır. Programda her bir ayrı araştırmaya denk gelecek biçimde birden fazla proje kayıtlı olabilmektedir. Örneğin, bu tez kapsamında örnek olarak seçilen program, farklı türde nitel verilerin analizine sağladığı olanakları görebilmek amacıyla, iki ayrı proje için kullanılmış bulunmaktadır: Sıfatlar adını verdiğimiz bir proje ve Adalet adını verdiğimiz bir başka proje. Bu bölümde program tanıtılırken Sıfatlar projesinin verileri kullanılmıştır Belgeler (Documents) ve Node lar Örnek program ile yapılabilecek iki temel işlem şunlardır: metin ya da belgelerin saklanması ve manipülasyonu ile, kodların oluşturulup manipüle edilmesi. Kodlar programda node olarak adlandırılmıştır. Bu iki temel işlevin yanı sıra, arama (searching), ilintilendirme (linking) ve model oluşturma (modelling) işlevleri sayesinde, veriler ve sonuçlar hakkında yeni fikirler geliştirip inceleme yapma olanakları da mevcuttur. Node lara ve belgelere ilişkin bu ikili işlev programda başlıca iki araç ile yer almaktadır: Belge Gezgincisi (Document Explorer) ve Node Gezgincisi (Node Explorer). 74

75 Belge Gezgincisi kullanılarak belgeler, belgeler hakkındaki (Proxy belgeler dahil) enformasyon ve bunlarla ilintilendirilmiş herhangi bir diğer belge, ek (annotations) ve memo lar toplanıp düzenlenebilir. Belgeler içindeki metne ait pasajlar kodlanabilir; program kodların ve ilişkili metnin izini takip eder. Belge Gezgincisi kullanılarak belgeler yeniden gözden geçirilerek düzeltilebilir ve biçimlendirilebilir. Node Gezgincisi ise node ları düzenlemek için kullanılır. Node lar veriler hakkında sahip olunan bir fikir ya da kavramın etiketleri ya da adlarıdır. Metni bir node a kodlama, bir node ve metnin bir ya da daha fazla pasajı arasında bir bağlantı ya da ilişki kurma sürecidir. Node lar serbest (free) olabilecekleri gibi ağaç (tree) biçiminde de olabilir. Ağaç node, node ların hiyerarşik bir yapıda düzenlenmesine işaret eder. Node Gezgini node ları oluşturma, silme, birleştirme (merge) ve taşıma imkanı sunmaktadır. Ayrıca node ların referansta bulundukları metni değiştirebilme imkanı da vermektedir. Herhangi bir zamanda bir node da kodlanmış metin taranabilir (browse), kodlama değiştirilebilir ya da ait olduğu bağlamda (orijinal metin içinde) görülebilir. Node lar kullanılarak arama yapılabilir; bu yolla araştırmacı veriler hakkında sorular sorabilir, giderek teori inşasına yönelebilir ya da bir teoriyi test edebilir. 75

76 2.1.2 Proje Oluşturma Programın veritabanındaki tüm görünümler Proje başlığı altında toplanmaktadır. Program ile araştırmaya başlarken yapılması gerekli ilk şey bir proje oluşturmaktır (Create a Project). NVivo ikonu üzerine çift tıklanarak program başlatıldığında açılan ilk pencere NVivo Başlatma Penceresi dir (NVivo Launch Pad) (Şekil 1). Bu pencerede mevcut bir proje açılabilir, yeni bir proje oluşturulabilir ya da yazılım tarafından sunulan eğitici (tutorial) projelerden biri açılabilir. Proje Oluştur Proje Aç Eğitici Projeyi Aç NVivo dan Çık Şekil 1 NVivo Başlatma Penceresi (NVivo Launch Pad) Mevcut bir projeyi açmak için Proje Aç (open a Project) üzerine tıklanıp, mevcut projelerin yer aldığı kutu açılır (Şekil 2). Bu projeler varsayılan olarak (by default) bilgisayarın C: sürücüsünde QSR Projeleri (QSR Projcets) adlı dosyada saklanır. Projelerin başka bir yere kaydedilmesi isteniliyorsa bu durumda, bir proje oluşturulurken Özelleştir (Custom) seçeneği işaretlenmelidir. Aşağıda görülen proje açma kutusunda ilk sırada en son kullanılan proje görünür, onu açmak için sadece OK düğmesine tıklanması yeterlidir. 76

77 Şekil 2 Proje Aç (Open Project) Kutusu Eğer yeni bir proje oluşturmak isteniyorsa bu durumda yeni bir proje kurulması (set up) gerekir. Yeni bir proje kurmak için: 1. Başlatma Penceresi (Launch Pad) üzerinde Proje Oluştur (Create a Project) üzerine tıklanır. Açılan pencerede 2. Tipik (Typical) seçilip İleri (next>) üzerine tıklanır 3. Proje için bir isim ve bir tanımlama yazılıp ileri (next>) ye tıklanır 4. Her şey yerli yerinde görünüyorsa Son (Finish) üzerine tıklanır Yeni bir proje oluşturulurken Yeni Proje Sihirbazı ında (New Project Wizard) Özelleştir (Custom) seçilerek hard disk içinde dosyaların kaydedileceği yer seçilebilir, istenirse proje sahibinin adı ve şifresi değiştirilebilir. Şekil 3 te görüldüğü üzere, yeni proje için Proje Penceresi (Project Pad) açılır. Bu pencerede programın temel işlevleri görünmektedir. 77

78 Belge oluştur Belgeleri Gez Bir belge yüklemesini düzelt Bir belgeyi tara Belge yüklemelerini gez Şekil 3 Proje Penceresi (Project Pad) Proje Penceresinde görülen işlevlere tıklanarak ilerlenebilir. Proje Penceresinde görülen işlevler şunlardır (Gibbs, 2002: 19): Tablo 1: Proje Penceresinden Ulaşılan İşlevler Belgeler (Documents) ile yapılabilecek işlemler Belge Yüklemeleri (Document Attributes) ile yapılabilecekler Belge Kümeleri (Document sets) ile yapılabilecekler Node lar ile yapılabilecekler Node Yüklemeleri (attributes) ile yapılabilecekler Node Kümeleri (Node Sets) ile yapılabilecekler Üç temel işlev Proje belgesi oluşturma Projeye ait tüm belgeleri tarama Bir belgeyi taramak, değiştirmek, kodlamak ve ilintilendirmek Bir belge yüklemesi oluşturma ya da değiştirme Tüm belge yüklemelerini tarama Bir belge kümesi oluşturma ya da değiştirme Tüm belge kümelerini tarama Bir proje node u oluşturma Projedeki tüm node ları tarama Bir node u kodlama, tarama, değiştirme ve ilintilendirme Bir node yüklemesini oluşturma ya da değiştirme Tüm node yüklemelerini tarama Bir node kümesini oluşturma ya da değiştirme Tüm node kümelerini tarama Proje veritabanını arama (search) Model oluştruma ve tarama İlişkileri gösterme (show relations) 78

79 2.1.3 Bir projeye yeni bir belgeyi dahil etmek (import) : 1. Project Penceresi üzerinde Belgeler (Documents) üzerine tıklanıp ardından Bir Belge Oluştur (Create a Document) üzerine tıklanır, açılan Yeni Belge Sihirbazı (New Document Wizard) penceresi açılır (Şekil 4) 2. Bu pencerede dört seçenek görülür: MS Word dosyalarından belge oluşturmak için Okunabilir Harici Metin Dosyalarını Dahil Et ve Yerleştir (Locate and import readable external text file(s) ) seçeneğinin işaretli olduğundan emin olunarak ileri(next>)e tıklanır Şekil 4 Yeni Belge Sihirbazı (New Document Wizard) Penceresi Programa dahil edilecek (import) belgelerin zengin metin biçimi (RTF) formatında olması gerekmektedir. Ayrıca program kullanımı sırasında edindiğimiz deneyim sonucu, ilgili metnin yazı tipinin Verdana olması halinde Türkçe metnin, program Belge Tarayıcısında Türkçe karakterlere daha uygun bir görünüme kavuştuğu tespit edilmiştir. 79

80 3. Standart MS Windows dosya seçme kutusu açılır (Şekil 5). Buradan aktarılmak istenilen zengin metin (RTF) dosyaları seçilir ve Aç (Open) üzerine tıklanır Şekil 5 Nvivo da Windows dosya seçme kutusu 4. Yeni Belge Sihirbazında dosyanın adının ve tanımlamasının nasıl kurulacağı gösterilmektedir. Seçenekler: a. Kaynak dosya adını belge adı olarak ve ilk paragrafı tanımlama olarak kullan b. İlk paragrafı ad olarak ve ikincisini tanımlama olarak oku c. İşaretli başlığı ve tanımlama paragraflarını oku d. Hiçbiri; bu durumda program bir ad ve tanımlamayı varsayılan olarak (by default) harekete geçirir 5. Orijinal dosyaların kurulumuna göre uygun olanın seçilmesi 6. Son (Finish) üzerine tıklanır 80

81 Halihazırda aktarılacak herhangi bir belge yok ise, belgeler doğrudan program içinde oluşturulabilir. Bunun için: 1. NVivo Proje Penceresi (NVivo Project Pad) üzerinde Bir Belge Oluştur (Create a Document) üzerine tıklanıp 2. Açılan Yeni Belge Sihirbazında (New Document Wizard) (Şekil 4) bu kez Yeni Boş Bir Belge Oluştur (Make a New Blank Document) seçeneği işaretlenerek İleri (next) tıklanır 3. Açılan pencerede (Şekil 6 ) belge adı ve tanımlaması yazılıp Son üzerine tıklanır Şekil 6 Yeni Belge Sihirbazı (New Document Wizard) Belge Gezgincisi (Document Explorer) Programda oluşturulan ya da sonradan dahil edilen tüm belgeler Belge Gezgincisinde görülebilir. 81

82 Belge Gezgincisini açmak için: 1. Proje Penceresinde (Şekil 3) Belgeler (Documents) levhası seçenekleri içinden Belgeleri Gez (Explore Documents) üzerine tıklanır 2. Belge Gezgincisi açılacaktır (Şekil 7) Şekil 7 Belge Gezgincisi (Document Explorer) Belge Gezgincisi, Windows Explorer a benzer biçimde çalışır. Solda belgelerin listesi yer alır. Bunlardan birine tıklandığında içinde ne olduğu sağ tarafta görünür. Sağ taraftaki pencere camı ikonlar ya da liste biçiminde görüntülenebilir. Bunun için mönüden Göster (View) kullanılabilir. Gezginciden bir belge seçilebilir ve içindekiler taranabilir ya da belgenin özellikleri (properties) gözden geçirilebilir. Pencerenin üst kısmındaki araç çubuğu Belge Gezgincisinin en temel işlevlerine ulaşmayı sağlar (Şekil 8). 82

83 Belgenin Özellikleri Kutucuğunu açar Belge Yükleme Gezgincisini açar Top-level DocLinks Kutucuğunu açar Belge Tarayıcısını açar Top-level NodeLinks Kutucuğunu açar Şekil 8 Belge Gezgincisi (Document Explorer) Araç Çubuğu Bağlamsal (contextual) mönü Örnek programın kolaylık sağlayıcı yönlerinden biri bağlamsal mönülerdir. Bunlara ikon üzerinde sağ fare tuşuna basılarak ulaşılabilir. Söz konusu ikonla ilgili en sık kullanılan işlevlere bu mönüler ile ulaşılabilir. 83

84 Şekil 9 Belge Bağlamsal Mönüsü (Document Contextual Menu) Örneğin Şekil 9 da Belge Gezgincisindeki bir belge (no10) için bağlamsal mönü görülmektedir Belge Tarayıcısı (Document Browser) Programda Belge Tarayıcısı metin yazma, ya da kayıtlı metinleri düzeltme ve kodlama gibi işlevler için kullanılmaktadır. Bir belgenin içeriğini gözden geçirmek ve düzeltmek için: 1. Belge Gezgincisinde (Document Explorer) bir belgeyi seçmek için üzerine tıklanır. Daha sonra: a. araç çubuğunda Tara (Browse) düğmesine tıklanır; ya da b. belgenin bağlamsal mönüsünü açmak için sağ fare tuşuna tıklanarak Belgeyi Tara/Düzelt/Kodla (Browse/Edit/Code Document) seçilir; ya da 84

85 c. mönü çubuğundan Document:browse/edit/code Document üzerine tıklanır; ya da d. Ctrl+B tuşlanır 2. Belge Tarayıcısı (Document Browser) açılır (Şekil 10) Şekil 10 Belge Tarayıcısında (Document Browser), Sıfatlar projesinde oluşturulan no1 isimli belgenin görünümü Belge Tarayıcısı mini bir MS Word işlemcisi gibidir. Word işlemcisinden tanıdık olunan birçok özellik kullanılarak belge biçimlendirilebilir ve düzeltilebilir. Dahası buradan ulaşabilecek diğer başka özellikler de bulunmaktadır (Şekil 11). Bunlardan ilki, kayan-mönüdür (pull-down). Kayan-mönünün en başında, kullanılmakta olan belge görünür, buradaki oka tıklandığında diğer belge adları da görüntülenir. Bu yolla bir belgeden diğerine kolayca geçilebilir. 85

86 Başka bir belgeyi taragözden geçir Belge Özellikleri kutucuğunu aç Belge Yükleme Gegincisini aç DocLinks oluştur Belge Tarayıcısının Kayan Mönüsü NodeLinks oluşturgözden geçir DataBite oluştur- Gözden geçir Şekil 11 Belge Tarayıcısı İşlevler Araç Çubuğu Paragraf biçimlerinin Kayan-mönüsü Metin ölçüsünün Kayan-mönüsü Şekil 12 Belge Tarayıcısının Biçimlendirme Araç Çubuğu Belgenin Bölümleri Projede oluşturulan görüşme verileri RTF olarak kaydedilmeden önce biçimlendirme yapılır. Metinler konu bölümlerine ayrılacaksa bu bölümlerin başlıklarına başlık (heading) 1 stili verilmelidir. Yukarıdaki araç çubuğunda görülen paragraf biçimlerinin kayan-mönüsünden başlık (heading) 2, 3 de seçilebilir. Programda yer alan SIFATLAR isimli örnek projede, her bir soru başlık (heading) 1 stiline çevrilmiştir. Bu yolla bu sorulara programda kendiliğinden kodlama statüsü kazandırılmıştır. Şekil 13 te görüldüğü üzere: 86

87 1. Belge Gezgincisi açık iken sol tarafta istenilen belge üzerine tıklanır 2. Belge Gezgincisi açık iken sağ tarafında Başlık (Heading) stilindeki bölümler ikonlarla belirecektir, bunlardan birinin üzerine gelip 3. Sağ fare tuşuna basıldığında açılan bağlamsal mönüden Tara/Düzelt/Kodla (Browse/edit/code) seçeneği tıklandığında 4. Metnin ilgili bölümü açılacaktır Şekil 13 Belge Gezgincisinde başlık (heading) 1 işaretli Belge bölümlerinin görünümü Tara/Düzlet/Kodla (Browse/edit/code) seçeneğine tıklandığında başlık (heading) 1 biçiminde kodlu metin parçası seçili (highlighted) biçiminde olmak üzere metin açılacaktır (Şekil 14): 87

88 Şekil 14 Başlık1 (Heading1) paragraf sitili verilmiş metin parçası Metni taramak, stili düzeltmek ve değiştirmek (browse, edit, change) Belge Tarayıcısı (Document Browser) bir belgeyi okumak ve düzeltmek için kullanılabilir. Aynı zamanda metni kodlamak için kullanılır. Belge Tarayıcısı Microsoft Word işlemcisi gibi kullanılabilir. Metinde silme ve düzeltme yapılabilir. Bir belgedeki başlık (heading) stili değiştirildiğinde bu, Belge Gezgincisinin (Document Explorer) bölüm içeriklerine yansıyacaktır. Örneğin bir paragraf başlık (heading) 1 stilinden normal stiline çevrildiğinde bu değişiklik sadece Belge tarayıcısında değil, aynı zamanda Belge Gezgincisinde de görünecektir. Gezginci artık o paragraf için bir bölüm (section) göstermeyecektir. NVivo da bu tür değişikler bazen anında görünmeyebilir; bu durumda değişikliği görebilmek için ilgili pencereyi kapayıp yeniden açmanız ya da başka bir node veya belgeyi açıp geri dönmeniz gerekebilir. 88

89 2.1.8 Belge özellikleri (properties) Bir belgenin özelliklerini, betimleme, son düzeltme tarihi ve ikon rengi gibi, incelemek için kullanabilirsiniz. Bir belgenin özelliklerini incelemek için 1- Gezgincide belge seçilir 2- Özellikler (Properties) ikonuna tıklanır 3- Belgeye ait Özellikler diyalogu açılır (Şekil 15) Şekil 15 Belge Özellikler (Properties) diyalogu Belge Özellikler (Properties) diyalogunda belgenin adı ve betimlemesi incelenir, düzeltilebilir, ne zaman oluşturulduğu ve en son ne zaman düzeltildiği, kime ait olduğu (proje ekibinden) görülebilir ve diyalogun tepesindeki ikon rengi ne (icon 89

90 color)a tıklanarak rengi değiştirilebilir. Farklı özellikteki belgelere farklı renkler verilebilir, örneğin hiç kodlanmamış olana sarı, detaylı kodlanmış olana kırmızı gibi Belge raporu oluşturma Projedeki bir belgenin hard diskte bir kopyasına sahip olmak ya da bilgisayar dışında bazı kodlamalar yapmak için hard kopyaya ihtiyaç duyulursa, bu durumda belge üzerine bir rapor oluşturulması gerekir. Belge raporu oluşturmak için 1- Belge Gezgincisinde raporu oluşturulmak istenilen belge seçilir 2- Belge mönüsünden ya da belgenin bağlamsal mönüsünden (sağ fare tuşu ile) Belge Raporu Hazırla (Make Text Report) seçilir 3- Açılan diyalogda üç kutucuğun da işaretli olduğundan emin olunduktan sonra, OK üzerine tıklanır 4- Program raporu oluşturulurken süreci gösteren bir çubuk (bar) görünür, süreç sonlandıktan sonra rapor metin editöründe açılır 5- Metin editörü Word-işlemcisinin bazı fonksiyonlarına sahiptir, belgenin çıktısı alınabilir. Alternatif olarak diske kaydedilip sonra çıktı alınabilir. Rapor varsayılan olarak (by default) projenin Sonuçlar (Results) klasörüne kaydedilecektir 6- Diske kaydetmek için plain text ya da RTF biçiminde kaydet seçilebilir. Dosya Kaydet Diyaloğu (File save dialog) nun alt tarafında kayan-mönü kullanılarak istenilen format seçilebilir. Rapor her bir paragrafın başında paragraf numaralarını ve varsa bölüm numaralarını içerir (Şekil 16). 90

91 Şekil 16 Metin Editöründe Belge Raporu görünümü, -SIFATLAR projesindeki bir numaralı belgeye ait Node lar Programda node, veriler hakkındaki fikirlerin, düşüncelerin ve tanımlamaların, metinde seçili pasajlarla birlikte bir araya getirilme yoludur. Bir ya da daha fazla belgeden metin pasajları bir node a bağlantılandırılır çünkü bunlar temsil edilen fikir ya da kavramın örneklerini teşkil etmektedir. Bu süreç, metni bir node a kodlama süreci olarak adlandırılır. Bu yolla, aynı şey hakkında olan ya da aynı fikirleri, kavramları, aksiyonları, tanımlamaları vb. temsil eden pasajlar bir Node adlarını oluştururken Türkçe karakter kullanmayınız. Çünkü, ad yazımı sırasında ve Node Gezgincisindeki görünümünde bir sorun olmasa da sonradan bazı analizleri yaparken node adının ş,ğ ve ı Türkçe karakterlerinin görünmediği anlaşılmıştır. 91

92 araya getirilir. Örneğin belgede ilginç bir tema gördüğünüzde bunları bir node a kodlamakla bir araya toplamış olur ve böylece bunları toplu olarak bir kez daha tarama imkanına kavuşarak bunlar hakkında yeniden düşünebilirsiniz. Kodlama nitel veri analizinin birçok türü için temel bir aktivitedir. Bir node bağlantılandırıldığı metin pasajı ve adının yanı sıra bir betimlemeye ve fikirleri, beklentileri (hunch) vb. notları içeren memo lara sahip olabilir. Node lar belgeler oluşturulmadan önce de belirlenebilir. Eğer siz, analizinizin önemli temalarının ne olacağı ile ilgili bir fikre önceden sahipseniz bu mümkündür. Programda node oluşturulduktan sonra, node ile bağlantılandırılabilecek metin pasajları aranabilir. Ya da metin okunurken ilginç fikirler keşfedilmişse bunlardan kalkarak node lar oluşturulabilir. Genellikle çoğu nitel araştırmacı her iki biçimi de kullanır. Programda node ları saklamanın üç ayrı yolu vardır: serbest (free) node lar, ağaç (tree) node lar ve vaka (case) node ları. Serbest node lar en basit olanlarıdır. Bunlar programda basit bir liste halinde görünür. Tüm diğer node lar gibi bir ada, ikona, betimlemeye ve bunlar dışında kalan bir ya da daha fazla özelliğe (ne zaman oluşturulup düzeltildiği gibi) sahiptirler. Ağaç node lar serbest node larla aynı özelliklere sahiptir, ilave olarak hiyerarşik biçimde organize edilmişlerdir. Bunlar Windows Gezgincisindeki klasör hiyerarşisi gibi Node Tarayıcısında görüntülenir. Serbest node lar, ağaç node biçimine dönüştürülebilir. Node ları hiyerarşilendirme süreci nitel veri analizinde merkezi bir yere sahiptir. Vaka node ları, vakalar hakkındaki kodlamaları düzenlemek için kullanılır. Bunlar belirli bir vaka ile ilgili tüm metne göndermede bulunabilir ya da bu vakaları, vaka tipleri biçiminde düzenlemede kullanılabilir (ör. İşsiz katılımcılar). 92

93 Node Gezgincisi Node Gezgincisi kullanılarak node lar oluşturulabilir ve node sistemi manipüle edilebilir. Node Gezgincisini açmak için: 1- (a) Proje Penceresinden Nodes üzerine tıklanır, sonra Node ları Gez (Explore Nodes) üzerine tıklanır ya da (b) mönü çubuğundan Nodes: Explore Nodes açılır 2- Node Gezgincisi açılır (Şekil 17) Şekil 17 Node Gezgincisi (Explorer) SIFATLAR Projesindeki node ların görünümü Belge Gezgincisinde olduğu gibi Node Gezgincisi de Windows Gezgincisi gibi çalışır. Sol tarafta node ların listesi bulunmaktadır. Şekil 17 de görüldüğü üzere Node Gezgincisinin sol tarafında SIFATLAR Projesinde kodlanmış ağaç node lar (tree nodes) seçili iken, sağ taraftaki bölmede bunların neler olduğu 93

94 görüntülenmektedir. Node kümeleri (sets) node ların tematik gruplar halinde düzenlenmesine karşılık gelir. Daha sonra bu node kümelerinin programın arama (search) fonksiyonu için gerekli olduğu görülecektir. Belge Gezgincisinde iken kolayca node lar oluşturulup daha sonra bunlara metin parçaları kodlanabilir. Ancak, bir node un zorunlu olarak kodlanmış bir metin içeriğine sahip olması gerekmez. Bir node basitçe veriler hakkındaki teorik fikirlerin kaydedilme aracı olarak kullanılabilir. Node Gezgincisinde serbest node (free node) oluşturma 1- Serbest node klasörünün bağlamsal mönüsü kullanılarak Serbest Node Oluştur (Create Free Node) seçilir 2- Serbest node klasörünün altında yeni bir node görünür 3- Adın üzerine tıklanarak bu node için bir ad yazılır Şekil 18 Node Gezgincisinde yeni oluşturulmuş bir serbest (free) node görünümü 94

95 Bundan başka, Proje Penceresi ya da Node Gezgincisinden ulaşılabilir olan Node Oluştur (Create Node) diyaloguna tıklanarak yeni node lar oluşturulabilir. Bu, node oluşturulduğu anda ona bir betimleme ekleme fırsatı sunar. Yukarıda tarif edilen yol izlenmiş ise Özellikler (Properties) diyalog penceresi kullanılarak betimleme yazılabilir. Özellikle çok sayıda node ile ya da bir ekiple çalışılıyorsa betimleme yazmak önemlidir. Node lar sayıca çok ise node betimlemesine bakılarak içerikleri hakkında bilgiye kolay yoldan ulaşılabilir ve içerikleri benzer node lar oluşturmaktan kaçınılabilir. Betimlemeler node ların birleştirilip birleştirilmeyeceğine, ya da tümüyle farklı fikirler hakkında olup olmadığına ilişkin fikir verici biçimde kullanılabilir. SIFATLAR Projesinde, Şekil 17 ve 18 de de görüldüğü üzere 554 tree node oluşturulmuş olup, bunlara ait betimlemeler hızlı bir biçimde node içeriği hakkında bilgi sahibi olmamıza hizmet etmiştir. Böylelikle biz, 500 görüşme belgesine ait metinlerden kodlanmış metin parçalarından oluşan bir node un içeriğini görebilmek için her seferinde Node Tarayıcısını açıp baştan sona okumak durumunda kalmadan node larla ilgili işlemlerimizi yürütebildik. Söz konusu projede node betimlemeleri amacımıza uygun olarak node içeriklerinin özeti biçiminde oluşturulmuştur (Şekil 19). 500 kişiye ait görüşme verileri nitel araştırma için oldukça fazla bir rakamdır. Bir node içinde her bir 500 belge içinden metin parçalarının kodlandığı düşünülürse oldukça uzun bir node içeriği oluştuğu tahmin edilebilir. 95

96 Şekil 19 SIFATLAR projesinde mozaik node una ait betimlemenin görünümü Diğer node oluşturma yolları Nitel veri analizinin anahtar noktası toplanılmış ve çözümlenmiş verilere, metinlere, belgelere vb. yakın olmaktır. Örnek program, Belge Tarayıcısını kullanarak node lar oluşturma ve bunları kodlanmış metinle ilintileme imkanı sunmaktadır. Belge Tarayıcısı açık iken pencerenin en altında bulunan hızlı kodlama çubuğu (speed coding bar) kullanılabilir (Şekil 20). Şekil 20 Belge Tarayıcısı Hızlı Kodlama Çubuğu 96

97 Kod oluşturmanın en basit süreci in-vivo kodlar oluşturmaktır. In-vivo terimi alansal yaklaşımdan gelmektedir (Glaser ve Strauss, 1967 den akt. Gibbs, 2002: 34). Bu terim, kullanılan node ları oluşturmak için doğrudan aktörlerin kelimelerinin kullanılmasına işaret etmektedir. Örneğin, eldeki metni incelerken görüşülenlerin ifadesi olarak medeniyet beşiği ni gördüğümüz anda bunu koyulaştırıp enter tuşuna bastığımızda medeniyet beşiği isimli bir node elde etmiş oluruz. SIFATLAR projesinde in-vivo kodlama çocuknode lar (childnodes) için yapıldı, çünkü söz konusu proje, açık-uçlu soruları içeren yapılaşmış bir soru formuna sahipti ve cevaplayıcılara yöneltilen on sözcük doğrultusunda hiyerarşik kodlama yapılmış olup, bu on sözcük ebeveynnode (parent node) olarak tarafımızdan önceden oluşturulmuştu. Mevcut, kullanımda olan bir node a metin kodlama 1- Belge Tarayıcısında kodlamak istenilen metni bulup seçin (koyulaştırın). Şimdi iki seçenek vardır: (a) eğer kodlama yapılacak node hızlı kodlama çubuğu nun kayan-mönüsünde görünmekte ise aynı çubuk üzerindeki Kodla (Code) düğmesine tıklanması yeterlidir (Şekil 21) (b) eğer node, kayan-mönüde görünmüyorsa listeye tıklanıp kullanmak istenilen node seçilir ardından Kodla (Code) düğmesine tıklanır. 2- Seçili metin artık istenilen node a kodlanmıştır 97

98 Şekil 21 Belge Tarayıcısı pencerenin alt kısmında hızlı kodlama çubuğu görülmekte Mevcut node a kodlama yapmanın bir başka yolu Kodlayıcıyı (Coder) kullanarak kodlama yapmaktır. Kodlayıcı (Coder) kullanılarak kodlama yapma 1- Belge Tarayıcısının altında bulunan hızlı kodlama çubuğundan Kodlayıcı (Coder) üzerine tıklanır 2- Kodlamak istenilen metin seçilir 3- Açılan Kodlayıcı (Coder) diyalogunda kodlama yapılmak istenilen node a seçili haldeki metin sürüklenir ya da Kodla (Code) düğmesine tıklanır (Şekil 22) 98

99 Şekil 22 Belge Gezgincisi ve Kodlayıcı Penceresi Node Tarayıcısını açmak için: 1- Taramak istenilen node seçilir ve (a) Tara (Browse) düğmesine tıklanır ya da (b) Mönü çubuğundan Node: Browse/Code Node a tıklanır ya da (c) Ctrl-B yi tuşlanabilir 2- Node Tarayıcısı açılır; node a kodlanmış tüm metni, ait oldukları belgeye işaret eden headings ile birlikte gösterir; hangi bölüm ve paragrafın kodlandığını da işaret eder (Şekil 23). 99

100 Şekil 23 Node Tarayıcısı SIFATLAR projesinde medeniyet besigi node una ait Node Tarayıcısındaki metin okunurken, kodlanmış olanlardan daha fazlasının mı yoksa daha azının mı görülmek istendiğine karar verilebilir. Node Tarayıcısında gösterilen metin genişletebilir ya da daraltılabilir. Bir kodlama pasajından görülen metni genişletme ya da daraltma 1- Genişletmek ya da daraltmak istenilen metne tıklanır, sonra (a) Mönü çubuğundan Göster: Pasaj İçeriğini Görüntüle (View: Passage Contents Display) seçilerek açılan kayan-mönüden yapılmak istenilen daraltma ya da genişletmeye uygun olandan biri seçilir (b) Daraltma ya da genişletmeye uygun seçenek üzerine, seçili metnin bağlamsal mönüsünden (sağ fare tuşu ile) tıklanır (Şekil 24) 2- Node Tarayıcısında görülen metin istenilen yönde değişir. 100

101 3- Eğer metni genişletme seçilmiş ise ekstra metin gri ya da yeşil olarak görünür ki bu, ilgili node da aktüel olarak kodlanmamış olduğuna işaret eder (Şekil 25) Şekil 24 Node Gezgincisinde Medeniyet Beşiği node u ve node da kodlu metin parçasını genişletmek için açılmış node un bağlamsal mönüsü 101

102 Şekil 25 Node Gezgincisinde medeniyet beşiği node unda kayıtlı bir metin parçasının genişletilmiş hali Node Tarayıcısında Şekil 25 te görüldüğü biçimde metinde ilgili pasaj genişletilmiş ise, tekrar gözden geçirip daha fazlasını kodlamak için metin seçilip Kodla (Code) düğmesine tıklanabilir ya da tersine metnin koddan çıkarılması uygun görülmüş ise metin seçilip Kodlama (UnCode) düğmesine tıklanabilir. Node Tarayıcısında kodlanmış bir metin pasajından belgeye atlamak 1- Bağlamı incelenecek metin parçası üzerine tıklanır, ardından (a) bağlamsal mönüsünden Belgeyi Tara/Düzelt/Kodla (Browse/Edit/Code Document) üzerine tıklanır ya da (b) mönü çubuğundan Document:Browse/Edit/Code Document üzerine tıklanır 102

103 2- İstenilen belgeye ait Belge Tarayıcısı açılır. Doğrudan doğruya kodlanmış kısım görüntülenir (Şekil 26) Şekil 26 Node Tarayıcısından atlanmış halde iken seçili metni gösteren Belge Tarayıcısı Kodlanmış metni analiz ederken yaygın bir diğer aktivite ise iki ya da daha fazla node da kodlanmış pasajları karşılaştırmaktır. Node Tarayıcısından kolayca atlama yapılarak diğer bir node da kodlu metne geçilebilir. Node Tarayıcısından başka bir node a atlama 1- Eğer node kullanımda olanlardan biri ise (a) Browser mönüsündeki listeden node seçilir. Yeni bir Node Tarayıcısı penceresi açılır, ya da (b) Mönü çubuğunun hemen altındaki kayan-mönüden node seçilir. Buradaki listede güncel kullanımda olan node lar görünür. Seçim 103

104 işleminin ardından Node Tarayıcısı penceresindeki içerik yeni seçilen node unki ile değişir 2- Seçilmek istenilen node listede görünmüyor ise sadece kullanımda olan son on node görünür- (a) Node Gezgincisi açılarak oradan node seçilebilir. Burada Tara (Browse) düğmesine tıklanır, ya da (b) Kodlayıcı (Coder) kullanılır Node raporu Belgelerde olduğu gibi bir node da kodlanmış metnin kopyasını almak ihtiyacı doğabilir, sözgelimi bu kopya analiz raporuna eklenmek istenebilir. Bunun için Node Tarayıcısı penceresinden metin kes ilip kopyala nabilir ancak, bir bilgisayar dosyası oluşturmak bazen daha güvenli olabilir. Node raporu oluşturmak için 1- Node Gezgincisinde raporu oluşturulmak istenilen node seçilir, ardından (a) mönü çubuğundan Node: Kodlama Raporu Oluştur (Node: Make Coding Report) seçilir, ya da (b) node un bağlamsal mönüsünden Make Coding Report seçilir 2- Node Kodlama Raporu (Node Coding Report) kurulum penceresi açılır (Şekil 27) 104

105 Şekil 27 Node Kodlama Raporu Kurulumu 3- Tüm belgelerden yapılan kodlamalar seçilebilir ya da bunların bir alt kümesinden olan kodlamalar seçilebilir. Seç (Choose) düğmesine tıklanarak seçim yapılır. 4- Metnin ya da diğer enformasyonun dahil edilip edilmeyeceği seçilebilir 5- OK üzerine tıklanır 6- Program raporu oluştururken süreç çubuğu belirir ardından metin editör penceresi raporu gösterir biçimde açılır (Şekil28) 7- Dosya (File) mönüsünü kullanılarak bu belge kaydedilebilir ya da belgenin çıktısı alınabilir. Başka bir seçim yapılmadığı takdirde raporlar projenin Sonuçlar (Results) alt klasörüne RTF olarak kaydedilir. 105

106 Şekil 28 Metin Editöründe bir node kodlama raporu Rapor, sorgulanan tüm enformasyonu ve node a ait tüm özellikleri de gösterir Arama (Searching) Metin ve node aramasında örnek program geniş olanaklar sunmaktadır. Programda arama yaparken bilinmesi gereken en önemli şey, yapılan her türden arama sonucunda, arama sonuçlarının kaydedildiği yeni bir node un oluşturulmasıdır. Böylece örneğin, bir kelime aranıyorsa, diyelim medeniyet, program, eğer mevcut bir node a kaydetmek seçilmemiş ise tüm belgeler arasından arama sonucunda yeni bir node oluşturur. Yeni bir node oluşturulması kabul edilmiş ise Single Text Lookup adında yeni bir node, Arama Sonuçları (Search Results) node unun altında oluşturulur. Örnek programda arama dahil hemen tüm analitik aktivitelerinizin sonuçları yeni bir node yaratır ve bu yeni node un kendisi daha ileri 106

107 bir analizin konusu olabilir. Bu, örnek programın çok önemli bir yönüdür ve program oluşturucuları tarafından system closure olarak adlandırılmaktadır (Gibbs, 2002: 42). Basit bir metin arama (text search) yapmak için 1- Project Penceresinde Ara (Search) düğmesine tıklanır 2- Arama Aracı (Search Tool) açılır (Şekil 29) Şekil 29 Arama Aracı (Search Tool) 3- Metin (Text ) düğmesine tıklanır 4- Metin Arama (Text Search) penceresi açılır (Şekil 30) 5- Açılan diyalogun üst kısmına aranmak istenilen kelime yazılır 107

108 6- Olağan Arama (Regular Search) şıkkının seçili halde olmasına ve pencerenin alt kısmında All finds as a node un olmasına dikkat edilir 7- OK tıklanır 8- Ekran Arama Aracına (Search Tool) geri döner, burada en üstte yazılan kelime(ler)nin bulunup bulunmadığına bakılır 9- Bu Alanda (In This Scope) bölümünde aramanın gerçekleştirilmesi istenilen metin seçilir, tüm metinler için arama yapmak isteniliyorsa Tüm Belgeler (All Documents) seçilir aşağıdaki örnekte SIFATLAR projesinde isimler adı verilerek oluşturulan belge kümesinden arama yapılmaktadır (Şekil 31) 10- Aramayı Başlat (Run Search) üzerine tıklanır 11- Arama işleminin tamamlandığını gösteren bir diyalog açılır, burada sonuçlarla ne yapılmak istendiği sorulur. 12- Buradan Node u Gezgincide Göster (Show Node in Explorer) ya da Node u Tara (Browse Node) seçilebilir 13- OK tıklanır 108

109 Şekil 30 Metin Arama (Text Search) belirleme penceresi Şekil 31 Arama Aracı (Search Tool) 109

110 Node Tarayıcısı, arama sonucunda yaratılmış bulunan yeni node da kodlu metni gösterir biçimde açılır. Yeni node Single Text Lookup n (n, sayı ifade etmektedir, ilk arama sonucunda bu sayı bir olarak belirir) adıyla Node Gezgincisinde Arama Sonuçları (Search Results) node unun altında görünür (Şekil 32). Dikkat edilirse, Node Gezgincisinin sağ alt tarafında, yeni node a ait açıklamalar mevcuttur aranan kelime, hangi metinlerde kodlu olduğu vs. Node Tarayıcısında yeni node da kayıtlı olarak sadece aranan kelime gösterilir. Bazen bu yeterli iken bazen de kelime bağlamında görülmek istenebilir. Genellikle arama, ilgilenilen konuya ait metne hızlı biçimde ulaşmak için kullanılır. Bu durumda bulduğunuzdan fazlası kodlanmak istenebilir. Bunun için Node Tarayıcısında kelimenin üzerine tıklanıp, bağlamsal mönüsünden Çevreleyen Paragrafı Göster (View Enclosing Paragraph (ya da Section) seçilir. Ya da tüm kelime bağlamları tek seferde görüntülenebilir. Node Tarayıcısı mönü çubuğundan Düzelt:Tümünü Seç (Edit:Select All) seçilir (ya da Ctrl-A tuşlanır) ardından yukarıdaki işlem tekrarlanır. Böylelikle bulunan tüm kelimeler için bağlam gösterilir. Aranan kelime(ler) siyah, çevreleyen metin ise yeşil ya da gri olarak gösterimlenir (Şekil 33). 110

111 Şekil 32 Node Gezgincisinde Search Results/Single Text Lookup2 adlı node un görünümü Şekil 33 Node Tarayıcısından bulunan kelimeleri dahil oldukları paragrafta gösteren bir bölüm SIFATLAR projesinde medeniyet kelimesine ait metin arama sonucu 111

112 Node a ait kodlamayı gözden geçirme (refining) Nitel veri analizinde sürekli olarak yeniden gözden geçirme ve fikir geliştirme esastır. Örnek programda gözden geçirme işlemi kolay ve hızlıdır. Yukarıda da anlatıldığı üzere metin arama sonucunda yeni node da sadece aranan kelime görünür. Bu yeni node u daha anlamlı bir hale getirmek için kelimeleri bağlamında inceleyip ilave kodlamalar yapılabilir ya da tersine, ilgisiz görülen kodlamalar kaldırılabilir. Bu nedenle arama işleminin hemen ardından yeni node da gösterilen kelimelerin bağlamlarında görüntülenip, metnin okunması önemlidir. Böylelikle eğer daha fazla metnin kodlanması isteniliyorsa bunlar seçilip Kodla (Code) düğmesine tıklanır. Ya da ilgisiz görülenler çıkarılmak isteniyorsa bunlar seçilip Kodlama (Uncode) üzerine tıklanır. Kodlama genişletildiğinde dahil edilen metin siyah görünecektir. Bir Node u yeniden adlandırıp taşımak 1- Node Gezgincisinde node un adına iki kez (yavaşça) tıklanır 2- Şimdi yeni adı yazılır. ör: medeniyet besigi 3- Node u taşımak için yer belirlenir 4- Node, taşınmak istenilen node un altına sürüklenir Metin Arama, örnek program Arama Aracı ile yapılabilecek aramalardan yalnızca biridir. Arama Aracı ile metin, node lar, yüklemeler ve DataBite lar araması yapılabilir. Bunlar birleştirilebilir. Böylece, belirli yüklemelere sahip belgeler içinden belirli bir node da kodlu pasajlar içinde bir grup kelime aranabilir. Kümeler (sets) ve node ağaçları (trees) ile birleştiğinde Arama Aracı (Search Tool) nitel veri analizine çok güçlü ve merkezi bir destek sağlar. Arama Aracı ile yapılabilecekler ileride detaylı anlatılacaktır. 112

113 Node lar ve kodlama Kodlama özsel bir süreçtir. Nitel veri analizinde yetkinleşmek isteyen birisi iyi ve kolayca kodlama yapmayı öğrenmelidir. Araştırmanın üstünlüğü büyük oranda kodlamanın üstünlüğüne bağlıdır (Strauss, 1987: 27 den akt. Gibbs, 2002: 57). Kodlama, aynı teorik ya da betimsel fikri örneklendiren metin parçalarını ya da diğer veri parçalarını (ör: bir resmin parçalarını) belirleme sürecidir (Gibbs, 2002: 57). Örnek programda kodlama, her bir pasajı ya da ögeyi bir node a yerleştirme yoluyla yapılır. Şekil 34 te SIFATLAR projesinden örnekle, farklı node lara pasajların nasıl kodlandığı gösterilmektedir. Şekil 34 İki farklı node da kodlanmış pasaj görünümü koyulaştırılmış ifadelerden ilki medeniyet besigi node unda kodlu iken, ikincisi batiya özenen node unda kodlanmıştır 113

114 Aynı paragrafın tümü bir node da ve bir kısmı başka bir node da kodlu olabilir. Programda node lar sadece metin pasajlarını kodlamakla kalmaz (ya da ses, video gibi diğer nesneleri proxy belgeler aracılığıyla), aynı zamanda her bir node bir tanıma sahiptir ve diğer node lar, belgeler ve memo larla ilintilendirilebilir. Node tanımlaması ve memo ya da diğerleriyle ilintileri, node un temsil ettiği kavram ya da fikri kaydetmek ve fikirle bağlantılı teorik düşünceleri saklamak için de kullanılabilir. Programda node, nitel veri analizi için çok önemli olan analitik düşünmenin merkezindedir. Bu tür düşünceleri kaydetmek hem analiz süreci hem de analizin geçerlik ve güvenilirliği için özseldir. Şekil 35 node, kavram, özellikler ve belgeler arasındaki ilişkiyi özetlemektedir. Kavram ya da fikir Veriler hakkında memo Kodlama Belge 1 Belge 2 Kodlanmış metin DocLink Node özellikleri Node Kodlama Kodlanmış metin Node adı, node tanımı ve diğer node metaverileri (memo ve ilintilenmiş belgeler) NodeLink Başka bir Node Şekil 35 Bir node ve ilintileri (Gibbs, 2002: 59) 114

115 Bir node a metin kodlama aktivitesi, sadece saymaya yönelik olan ve ad vermekten ibaret olan nicel araştırmadaki kodlama aktivitesinden farklıdır. Nicel analizde verilen adlar genellikle önceden mevcut teorik fikirleri yansıtmaktadır, oysa nitel analizde, metin pasajlarını belirleyip bağlantılamak ve kodlu oldukları node da temsil edilen kavram ya da fikri açıklaştırmak analizin önemli bir parçasıdır. Nitel araştırmacılar aynı zamanda, farklı node larda kodlu metinler arasındaki ilişkiyi de incelerler. Kodlama ile ilgili kafa karışıklığının sebeplerinden biri farklı yazarların aynı süreci betimlemek üzere farklı kelimeler kullanmış olmalarıdır. Örneğin, node, indeks, kategori ve kod yazarlarca kullanılmaktadır. Node, metin pasajlarının yanı sıra node adının, tanımının vb. saklandığı bir yere işaret eder. Bütün node larda zorunlu olarak metin kodlanmış olması gerekmez. Örnek programda node lar başka işlevlere de sahiptir: örneğin, bir node ağacında (node tree) yapısal bir rol oynayabilir ya da sadece bir arama sonucunda oluşan metni bir arada tutabilir. Kod ise her zaman, belli bir fikir ya da kavramı örneklendiren metin pasajlarını belirleyip bunları bir node a bağlama işlemine göndermede bulunan bir yüklem olarak kullanılır. Bir node betimlemesi ya da tanımlaması birçok şey içerebilir. Kağıt kalem ve indeks kartları ile çalışıldığı zamanlarda nitel araştırmacılar node larla ilgili olarak şunları yazmışlardır: Node un adı ya da etiketi Kodlu bulunan metin Metnin nereden geldiği (hangi belgede olduğu ve belgenin neresinde bulunduğu) 115

116 Kimin kodladığı (araştırmacının adı) Kodlama ya da kodlama değişikliğinin tarihi Node tanımlaması (işaret ettiği analitik fikrin betimlemesi ve kodlamanın güvenilirliği) Örnek programda ise bu tür enformasyonun çoğu node özellikleri nde saklanmaktadır. Node özellikleri penceresini açmak 1- Node Gezgincisinden bir node seçilir ve Özellikler (Properties) düğmesine tıklanır 2- Node Özellikler (Properties) penceresi açılır (Şekil 36) Şekil 36 Node Özellikler penceresi -SIFATLAR projesinde Anadolu/cografi mekan node una ait özellikler 116

117 En tepedeki node un adıdır. Eğer istenirse node un adı değiştirilebilir, adı değiştirilse bile node içeriği aynı kalır. Adın altındaki node betimlemesidir. Örnekte görülen, Anadolu node u altında bulunan cografi mekan node una ait tanımlama, node içeriğinin bir özeti biçiminde, katılımcıların ifadelerinden alıntılarla, yapılmıştır. Node betimlemesi analiz süresince araştırmacının isteklerine göre değiştirilebilir (ör: araştırmacı node un neye işaret ettiği hakkında daha açık fikirlere sahip olduğunda ya da node başka node larla birleştirildiğinde gerekli açıklamaların yapılması gerektiğinde). Node betimlemesi düzeltildiğinde ya da değiştirildiğinde OK düğmesine tıklanır. Node içeriklerinin ve node tanımlamasının neler olacağı araştırmanın amacı ve yapısıyla bağlantılıdır. Buna göre node lar önceki bir fikir ya da teoriye dayalı olabileceği gibi bunlar olmaksızın verilerden hareketle de oluşturulabilir. Node tanımlaması ilk durumda işin başında daha net ve kesin oluşturulabilirken, ikinci durumda verilerin durumuna göre analiz ilerledikçe netleştirilebilmektedir. Kısacası bu seçim, metodolojik yaklaşımınızla yakından ilişkilidir. Program her iki durum için de gerekli esnekliği sağlayacak yapıdadır SIFATLAR projesinden kodlama örnekleri SIFATLAR adını verdiğimiz projenin verileri hâlihazırda yürütülmüş bulunan bir sosyolojik araştırmanın verilerinin meta-analize tabi tutulmasından oluşmaktadır. Bu meta-analiz program ile gerçekleştirilmiştir. Orijinal araştırmanın verileri, bin kişilik bir örneklemden toplanmıştır. Her biri Beş yüz kişiden oluşan iki gruptaki 117

118 cevaplayıcılara, toplam beş açık uçlu soruyu içeren soru formu verilmiştir. İlk beş yüz kişilik gruba yöneltilmiş bulunan sorular aşağıdaki gibidir: 1. Anadolu sözcüğü size neyi/neleri ifade etmektedir? 2. Avrupa sözcüğü size neyi/neleri ifade etmektedir? 3. Modernlik sözcüğü size neyi/neleri ifade etmektedir? 4. Demokrasi sözcüğü size neyi/neleri ifade etmektedir? 5. Din sözcüğü size neyi/neleri ifade etmektedir? İkinci beş yüz kişilik gruba yöneltilmiş bulunan sorular ise şunlardır: 1. Anadolulu sözcüğü size neyi/neleri ifade etmektedir? 2. Avrupalı sözcüğü size neyi/neleri ifade etmektedir? 3. Modern sözcüğü size neyi/neleri ifade etmektedir? 4. Demokrat sözcüğü size neyi/neleri ifade etmektedir? 5. Dindar sözcüğü size neyi/neleri ifade etmektedir? Bu sorulara cevaplayıcıların birer cümle ile yanıt vermeleri istenmiştir. Cevaplayıcıların yanıtlarını içeren söz konusu soru formlarını çalışmamızda kullanmış bulunmaktayız. Bu çerçevede öncelikle her bir soru formu bilgisayar ortamına aktarılmıştır. Bu soru formları bilgisayar ortamına aktarılırken doğrudan doğruya program üzerinde çalışılmış, soru formları tek tek Belge olarak kaydedilirken, bu formların yazılması işlemi Belge Tarayıcısı nda gerçekleştirilmiştir. Kodlama işlemi yapılırken, yarı-yapılaşmış bir soru formunun bize sunduğu olanaktan yararlanarak aslında halihazırda mevcut bir kodlama birimi olarak öncelikle Anadolu sözcüğünden başlanmış; her bir beş yüz belge ilk olarak 118

119 Anadolu sözcüğüne verilen yanıtlar açısından taranmıştır. Bu tarama sırasında Anadolu sözcüğüne yüklenen nitelemelerden seçilen ifadeler diğer kodlama birimlerimizi oluşturmuştur. Aynı süreç, soru formundaki diğer tüm sözcükler için tekrarlanmıştır. Anadolu node u herhangi bir kodlanmış metin içeriğine sahip olmayan, ancak altında çocuk node ların (childnodes) toplandığı bir ağaç node olarak oluşturulmuştur. Bu çocuk node lar, her bir 500 belgede ilk soruya verilen yanıtların taranmasıyla, verilerden hareketle oluşturulmuştur. Örneğin Şekil 37 de görülen no1 adlı bir numaralı belgede Anadolu sözcüğü size neyi/neleri ifade etmektedir? sorusunun yanıtı incelenerek iki çocuk node (childnode) oluşturulmuştur: Anadolu/medeniyet besigi ve Anadolu/batiya özenen. Ardından, oluşturulan bu çocuk node lara ilgili ifadelerin kodlaması yapılmıştır. Kodlamalar Kodlayıcı (Coder) kullanılarak yapılmıştır. Şekil 37 de no1 belgesine ait Belge Tarayıcısı ve Kodlayıcı (Coder) görülmektedir. Kodlayıcı (Coder) incelendiğinde Anadolu ağaç node unun altında medeniyet besigi çocuk node una kodlu ifade görülür (metinde seçili olan kısım). NVivo da node adı içinde / işareti varsa bu, o node un bir çocuk node olduğuna işaret etmektedir. Bu işaretin sol tarafında çocuk node un bağlı olduğu ebeveyn node un adı yaılıdır. Yukarıdaki örnekte medeniyet besigi çocuk node u, Anadolu ebeveyn node una bağlıdır. Bu hiyerarşik sıralama ise daha önce belirtildiği gibi ağaç node (tree node) olarak adlandırılmaktadır. 119

120 Şekil 37 SIFATLAR projesinde no1 belgesinden kodlama görünümü Bir numaralı belge ilk soru için taranıp, kodlama yapıldıktan sonra iki numaralı no2 belge taranarak kodlama yapılmıştır. Şekil 38 de görüldüğü üzere, ilk soruya verilen yanıt çerçevesinde Anadolu ağaç node una (treenode) iki yeni çocuk node (childnode) daha eklenerek kodlama yapılmıştır. Bunlar: Anadolu/cografi mekan ve Anadolu/mozaik tir. Aynı cümle iki ayrı çocuk node da kodlanmıştır. Aşağıdaki Şekilde Kodlayıcı (Coder) incelendiğinde Anadolu tree node una ait childnode lar içinde iki tanesinin koyu (bold) olduğu görülecektedir. Çocuk node ların bu biçimde koyu görünümü, belgeden kodlama yapılmış olduğuna işaret etmektedir. Koyu görünümlü çocuk node un üzerine 120

121 tıklandığında (Şekil 38 de cografi mekan ın üzerine tıklanmış olduğu görünmekte), o çocuk node da kodlu olan ilgili metin içindeki metin parçası, seçili hale gelir. Şekil 38 SIFATLAR projesinde no2 belgesinden kodlama görünümü Bu yolla 500 görüşme formunun taranmasının ardından Anadolu node una ait toplam 15 çocuk node (childnode) oluşturulmuştur (Şekil 39). Aynı biçimde, anket sorularına göre önceden belirlediğimiz ağaç node lar içinde (Şekil40), ebeveyn node ların çocuk node ları oluşturulmuştur. Böylelikle toplam 555 ağaç node oluşturulmuştur Node ağacının işlevleri Ağaç yapısı birçok amaca hizmet eder. Öncelikle, düzenli bir saklama imkanı sunar. Analiz ilerledikçe node sayısı oldukça fazlalaşabilir. Başlangıçta bunlar serbest (free) node biçiminde ve bazıları ağaç node biçiminde olabilir. Yukarıda da 121

122 ifade edildiği gibi, ağaç node oluşturulması başlangıçta sahip olunan teorik bakışla bağlantılıdır. Analiz sırasında eğer uzun bir serbest node listesine sahip olunmuşsa bunun analiste çok da yardımcı olmayacağı bilinmelidir. Bunlar, aralarında ilişkinin daha açık görülebileceği bir ağaca dönüştürülmelidir veya taşınmalıdır. Cevapları kategorileştirme sürecinde, cevaplayıcının dünya görüşüne ilişkin bir anlama geliştirilir. Böylece ağaç oluşturulması yoluyla cevaplayıcıların kategorileştirme ve kavramlaştırmalarına ilişkin bir anlamaya sahip olunur. Yeni bir top-level ağaç node oluşturma 1- Node Gezgincisinde Ağaç Node Oluştur (Create Tree Node) Ağaçlar (Trees) bağlamsal mönüsünden seçilir 2- ağaç node adında yeni bir top-level node oluşturulur. Node adının üzerine tıklanarak istenilen ad yazılır. Bir ağaç (tree) node a çocuk (child) node oluşturma 1- Çocuk node oluşturmak istenilen ağaç node un üzerine gelip bağlamsal mönüsünden Oluştur: Çocuk Node (Create: Child Node) seçilir 2- Yeni node başlangıç node unun bir düzey altında oluşturulur. Node adının üzerine tıklanarak istenilen ad yazılır. Bir ağaç (tree) node a kardeş (sibling) node oluşturma 1- Kardeş (sibling) oluşturulmak istenilen node un üzerine tıklanıp bağlamsal mönüsünden Oluştur: Kardeş Node (Create: Sibling Node) seçilir 2- ağaç (tree) node isminde yeni node başlangıç node uyla aynı düzeyde oluşturulur. Üzerine tıklanıp adı değiştirilebilir. NVivo da hiyerarşik node düzenlemesine ağaç benzetmesinden hareketle tree node adlandırması yapılmış; tree node lar içinde ise ebeveyn/çocuk benzetmesinden hareketle parent/child adlandırması ile node lar arası ayrım yapılmıştır. Buna göre parent node, altında node ların kümelendiği bir tree node a işaret ederken childnode, parent node altındaki node a işaret etmektedir. 122

123 Bunların yanı sıra mevcut serbest (free) node ları node ağacına taşımak için birçok yol vardır. Bir node u sürükleyerek taşıma 1- Serbest (free) node listesinden taşınacak node un üzerine gelinip fare (Mouse) yardımı ile sürüklenir 2- Ardından node ağacında ebeveyni (parent) olacak node un üzerine bırakılır. 3- Serbest node un bir kopyası artık seçilen ağaç node un çocuk node u konumundadır. 4- Eğer istenirse serbest node alanından node u silinebilir. Bir node u silmek için 1- Node gezgincisinde node un üzerine tıklanıp bağlamsal mönüsünden Node Sil (Delete Node) seçilir Metin hakkında düşünme Ne kadar gelişkin bir bilgisayar programı kullanılıyor olsa bile, geçerlilik düzeyi yüksek bir araştırma yapabilmek için metni iyi okuyup ona aşinalık kazanmanın yerini alacak başka bir şey bulunmamaktadır. Dolayısıyla, yukarıda anlatılan biçimde SIFATLAR projesinde kodlamalar yapılmadan önce bin soru formunun tek tek kayda geçirilmesi araştırmacıya elindeki verileri çok iyi tanıma fırsatını vermiştir. Kodlanacak pasajları belirlemek üzere metin okuması yapmaya ilişkin değişik yaklaşımlar mevcuttur. Bazıları metni satır satır okumayı ve her bir satır hakkında dikkatlice düşünüp sorular yöneltmeyi önerirler. Bu konuda karar verebilmek için araştırmanın konusu ve amacı önemlidir. Ancak, farklı türde nitel verilerle yaptığımız analizlerin bize 123

124 kazandırmış olduğu deneyimle şunu rahatlıkla ifade edebiliriz ki, nitel veri analizi, satırlar ya da paragrafların kodlanmasına ilişkin verilmiş bir karara dayanarak mekanik biçimde gerçekleştirilemez. Çünkü, hangi tür olursa olsun nitel analizin ana amacı anlamları keşfetmek olduğundan, bu anlamların metinde, kesin olarak konmuş biçimsel sınırlar içinden yakalanması söz konusu olamaz. İşte bu sebepledir ki, nitel analiz için geliştirilmiş programlar, bu konuda araştırmacıya esneklik sağlamaktadır. Örneğin, örnek olarak seçmiş bulunduğumuz programda araştırmacı, metin içinden sadece bir kelime ya da cümleyi bir kodlama birimine (node a) dahil edebilir. Daha sonra, o kodlama biriminde (node da) kayıtlı metni tararken kelime ya da cümleyi eksik ya da anlamsız bulduğunda, imleç (cursor) o kelime ya da cümlenin üzerinde iken sağ fare tuşu ile ulaşabileceği bağlamsal mönüden orijinal metne, tam o kelime ya da cümlenin bulunduğu noktadan ulaşıp gerekli gördüğü genişletmeyi yapabilir. 124

125 Şekil 39 SIFATLAR projesinde Anadolu ağaç node una ait çocuk node ların görünümü Şekil 40 SIFATLAR projesindeki ağaç node ların Node Gezgincisinde görünümü 125

126 Metin parçasının büyüklüğü Araştırmacıları meşgul eden konulardan biri de kodlanacak metin parçasının büyüklüğü olmaktadır. Bu, belgenin tümünden tek bir kelimeye kadar değişebilirlik gösterir. Çoğu kodlama orta büyüklükte gerçekleşir birkaç kelime ya da birkaç cümle. Pasaj uzadıkça içeriğini anlamak ve bazı bağlamsal materyalleri eklemek kolaylaşır. Daha kısa pasajları kodlamak daha kolaydır çünkü uzun olanların tersine genellikle sadece tek bir fikri örneklendirirler. Ancak bunlar da kolayca bağlamlarını yitirebilirler ve birçok farklı node un oluşturulmasına yol açabilirler. Pasajın büyüklüğüne göre belirecek olumlu ve olumsuz yanları Gibbs şöyle ifade etmiştir (Gibbs, 2002: 66): Pasajın büyüklüğü Artılar Eksiler Geniş/büyük pasaj Kodlamanın kullanılabilirliğini maksimize eder yeniden bağlamsallaştırmayı meşru kılacak kadar pasaja uygulanır. Daha ileriki analizde önyargıları engeller. Dar/küçük pasaj Daha fazla farklılaşma vardır. Tanımlamalar daha nettir. Metindeki pasajların belirlenimi daha kolaydır. Node la eşleştirilecek episodlar az sayıdadır. Bir sürü ilgilisiz materyal içerebilir. Kodlama bulanık olabilir. Önemli bağlamsal veriler kaybolabilir. Anlam kaybı olabilir. Daha fazla node gerekebilir. Hatırlanması gereken çok sayıda node olabilir. Nitel veri analizinde kodlama yapmanın temel süreci, metnin orijinal belgeden alınması ve benzer diğer pasajlarla karşılaştırılmasıdır. Bu, genellikle metnin bağlamsızlaştırılması (decontextualization) olarak adlandırılır. Bu süreç, aynı konuda kodlanmış bir pasajın bir diğeriyle kolayca karşılaştırılmasını destekler ancak, her bir pasajı ait olduğu belgedeki bağlamından ayırır. Pasajı ait olduğu bağlamı görebilmek üzere belgesine geri götürmeye ise yeniden bağlamsallaştırma (recontextualization) denmektedir. Yeniden bağlamsallaştırma konusunda teknoloji 126

127 yardıma yetişmektedir. Daha önce gösterildiği gibi, seçtiğimiz programda Node Tarayıcısında gösterimlenen kodlanmış metin pasajından, bu pasajın ait olduğu belgeye atlamak kolaydır: belgede kodlanmış pasaj seçili bir halde gelir. Dahası, hiçbir kodlamanın sabit kalması gerekmez. Programda bir node da hangi metnin kodlu olduğunu değiştirmek kolaydır. Dolayısıyla, uzun olan pasajlar kodlanarak başlanabilir ve daha sonra node a ilişkin düşünceler netleştikçe bazı bölümler kodlu olmaktan çıkarılabilir (uncode). Bu şekilde bağlamsızlaştırma ertelenebilir. Bundan başka, çok kısa pasajlarla başlanıp ardından kodlanmış metin genişletilebilir. Kodlamayı genişletme yeniden bağlamsallaştırmanın bir türü haline gelir. Bir kez bir ya da iki pasajı kodlamaya odaklanıp, bunların kodlandıkları node un nasıl tanımlanacağı hakkında bir fikre sahip olunduğunda, Arama Aracı (Search Tool) benzer terimlerin meydana gelişini bulmak için kullanılabilir; ardından eldeki pasajın o node da kodlanabilip kodlanamayacağı kontrol edilebilir. Pasajlar kodlandıkça, metnin node (kategori) tanımlamasına uyup uymadığı ve tanımlamanın hala yeterli olup olmadığı ya da düzeltilmesi gerekip gerekmediği üzerinde düşünülmesi gerekir. Belge Tarayıcısında (ya da Node Tarayıcısında) kodlama şeritleri ni (coding stripes) gösterme 1- Mönü çubuğundan Göster:Kodlama Şeritleri (View:Coding stripes) seçilir 2- Kodlama şeritleri (coding stripes) pencerenin sağ tarafında görünür (Şekil 41) 127

128 Şekil 41 Belge Tarayıcısında kodlama şeritleri (coding stripes) görünümü Kodlama şeritleri (coding stripes) bir metinde kodlu tüm node ları gösterir. Eğer ekranınız yeterince büyükse kodlama şeritlerini görüntüleyip, coder ı aynı anda kullanabilirsiniz. Yukarıdaki Şekilde bir numaralı belgede (no1) kodlu tüm node lar pencerenin sağ tarafında görülmektedir. Kodlama şeritlerinin görüntülendiği bu sağ kısmın en altında tüm node ların gösterimde olduğunu belirten Tüm node lar gösterimde (All nodes displayed) ifadesi yer almaktadır. Bunun yerine, istenilen bir node ya da node kümesi kodlama şeritlerinde görülmek istenebilir. Bu durumda: 1- Mönü çubuğunda Göster: Kodlama Şeritleri (View: Coding stripes) seçilip ardından 2- Göster: Kodlama Şeritlerini Seç (View: Select coding stripes) seçilir 3- Ekranda Node Seç (Choose Node) diyalogu görünür (Şekil 42) 4- Buradan seçim yapılır 128

129 5- Kodlama şeritleri (coding stripes) bölümünde artık sadece seçimini yaptığınız node lar görünecektir Şekil 42 Kodlama şeritleri (coding stripes) için node seçim diyalogu Bilgisayar dışında kodlama yapma Bazen bilgisayardan uzaklaşarak belgelerinizi okuyup kodlama üzerine düşünmeniz yararlıdır. Bunu yapabilmek için oluşturduğunuz node ların listesine ve kodlamak istediğiniz belgelerin çıktısına gereksiniminiz olur. Node listesinin çıktısını (print) alma 1- Node Gezgincisinde node klasörlerinden birini seçin (Recently Used, Free, Tree, case) 2- Küme: Node ları listele: Betimlemeleriyle birlikte (Set:List the Nodes:Descriptions also) seçilir, eğer node betimlemeleri istenmiyorsa bunun yerine 3- Küme: Node ları listele:yalnızca isim ve yerleri (Set:List the Nodes:Titles and Adresses only) seçilir 4- Tüm node ların (seçilen tipteki) bir listesini içeren rapor oluşturulur 5- Bu, diske RTF dosyası olarak kaydedebilir ya da çıktısı alınabilir. 129

130 Kodlamayı kolaylaştırmak için bir belgenin çıktısını alma 1- Belge Gezgincisinde bir belge seçilir 2- Mönü çubuğundan Belge: Metin Raporu Oluştur (Document: Make Text Report ) seçilir 3- Belgenin detaylarıyla ilgili üç seçenek vardır. Eğer sadece kodlama için kullanılacaksa Bölüm Numaralarını Göster (Show Section Numbers) ve DataLink Detaylarını Dipnot Olarak Göster (Show DataLink details as end-notes) işaretsiz bırakılır 4- OK tıklanır 5- Metin Editör penceresi paragraf numaralarıyla birlikte belgeyi gösterir biçimde açılır (Şekil 43) 6- Dosya:Çıktı Al (File:Print) mönü çubuğundan seçilerek çıktısı alınır ya da RTF dosyası olarak kaydedilir 130

131 Şekil 43 Metin Editöründe bir belge raporu SIFATLAR projesinde 518 no lu belgeye ait Şimdi node listeleri ve paragraf numaralı belge raporu ele alınıp okuma ve kodlamalar bilgisayardan uzakta yapılabilir. Yalnız bu işlemin eksiklikleri vardır. Şöyle ki, eldeki çıktıda nelerin kodlandığı görünmemektedir. Dolayısıyla bu işlem, henüz fazla kodlama yapılmamış ise daha yararlı olur. Dahası, elde yapılan kodlamaların tekrar bilgisayardaki projeye aktarılması gerekecektir. Bunun için, paragraf numaraları işinizi daha kolay kılabilir. Paragraf numaralarını kullanarak kodlamayı girme 1- Belge Gezgincisinde kodlanmak istenilen belgenin bağlamsal mönüsünden Paragraf ile Kodla (Code by Paragraph) seçilir 2- Paragraf Kodlayıcısı (Paragraph Coder) açılır (Şekil 44) 131

132 3- Sağ tarafta son kullanılan on node un listesi bulunur. İstenilen node lar görüntülenmemişse Ekle (Add) düğmesine tıklanarak istenilen eklenir 4- Alt kısma kodlamak istenilen paragraf numaraları yazılır. Böylece yazılan tüm paragraflar node a tek seferde kodlanır. Paragraf listesi 6,11 16,21 23,31 biçiminde yazılabilir 5- Güncel Kullanılan Node lar Listesinden (Recently Used Nodes List) bir node seçilip Kodla (Code) üzerine tıklanır. Eğer bir hata yapılırsa Kodlamayı Kaldır (Remove Coding) üzerine tıklanır Şekil 44 Paragraf Kodlayıcısı (Paragraph Coder) Kodlamalar bu yolla yapıldığında paragrafa dahil olan ama node la ilgisi olmayan veriler de kodlanmış olur. Bunları temizlemek için kodlanmış metin açılıp ilgisiz kısımlar kodlama dışı (uncode) bırakılabilir. Bunun için Node Tarayıcısındaki Kodlayıcı (Coder) kullanılabilir. 132

133 Memo lar ve yüklemeler (attributes) Nitel veri analizinde, orijinal verilerin (görüşme çözümlemeleri, gözlemler vs.) yanı sıra bazı enformasyon ve belgeler yaratılır. Örneğin, projedeki olaylar, belgeler ve bireylerin basit biçimde kategorileştirilmesi yaratılan enformasyonlardandır. Bunlar, bir görüşmedeki cevaplayıcıların yaş, isim, yer, sektör vb. enformasyonlarının içerildiği yüklemelerdir (attributes). Metaveri (Metadata) olarak adlandırılan bir diğer enformasyon türü ise araştırmacılar tarafından proje süresince verilerin nasıl toplandıklarına ve veri analizi sürecine ilişkin yazılanlardan oluşmaktadır. Bunlar memo lar, dipnotlar, taslak raporlar, destekleyici belgeler vb. den oluşmaktadır. Analiz boyunca proje ve veriler hakkında yazmak oldukça önemli bir aktivitedir. Bu tarz belgelerde veriler hakkında geliştirilen fikirlerin kaydedilmesi aynı zamanda analitik düşünmenin bir parçasıdır. Bu gibi enformasyonun saklanması konusunda örnek program çeşitli yollar sunar ve program, belgelerin saklanması ve kullanımı konusunda esnekliğe sahiptir Memo lar Nitel veri analizini yürütmenin bir yolu olarak memo ların kullanımını alansal yaklaşım yazarları popülerleştirmişlerdir. Memo lar kodlama yaptıkça yorumlamanın, teorileştirmenin ve genel bir analitik çerçeve geliştirmenin bir yolu olarak görülmektedir. Bunlar, veriler hakkında araştırmacının kendisine (ya da diğer proje elemanlarına) yönelik yazdığı notlardan oluşmaktadır. Alansal yaklaşımın kurucularından Glaser memo yu şöyle tanımlamaktadır: 133

134 Kodlama sırasında analistin gözüne çarpan kodlar ve ilişkileri hakkında fikirlerin teorileştirme yazılarıdır Bir cümle, bir paragraf ya da birkaç sayfa olabilir (Glaser, 1978: ten akt. Gibbs, 2002: 84) Alansal yaklaşımcıların orijinal kavramlaştırmalarında memo lar node lar ya da kodlama hakkında olmalı ve ilk belgelerden kesin olarak ayrı biçimde saklanmalıdır. Böylece memo lar arasında arama ve sınıflandırma yaparak araştırmacı kategorileri oluşturabilir ve tümevarımsal biçimde teorik açıklamaya ulaşır. Bu görüşe uygun biçimde örnek programda belgelerden ayrı biçimde saklanan memo adında özel bir belge kategorisi bulunmaktadır. Örnek programda memo lar diğerleri gibi birer belgedir ve bir node, metin pasajı, belge ya da memo ya ilintilenebileceği gibi bunlar üzerinden de kodlama, arama yapılabilir ve gerekirse bunlar kümeler haline getirilebilir. Birincil veriler ve memo lar arasındaki ayrımın ne kadar katı çizileceğine ilişkin karar araştırmacıya aittir Memo belgesi oluşturma 1- Proje Penceresinden (Project Pad) Belgeler (Documents) üzerine tıklanıp Bir Belge Oluştur (Create a Document) a tıklanır 2- Yeni Belge Sihirbazı (New Document Wizard) açılır 3- Bu kutunun en sonundaki Belgeyi Memo Olarak Oluştur (Create Documant as Memo) seçilir 4- Eğer: (a) Halihazırda belge yazılmış ve RTF formatında ise, Okunabilir Harici Metin Dosyalarını Dahil et ve Yerleştir (Locate and import readable external text files) seçilip İleri (Next>) ye tıklanır, dosya seçilir 134

135 (b) Yeni bir belge oluşturulacak ise Yeni Boş bir Belge Oluştur (Make a New Blank Document) seçilir İleri (Next>) e tıklanır, memo ya isim ve betimleme yazılır 5- Son (Finish) tıklanır. Belge Gezgincisinde yeni belge görünecektir. Belge Gezgincisinde memo lar ve belgeler farklı ikonlara sahiptir (Şekil 45). Şekil 45 Memo ve Belge ikonlarının Belge Gezgincisinde görünümü Belgeleri ve memo ları ilintilendirme Oluşturulan memo herhangi bir belge ya da node a ilintilenebilir. Bir node u memo yla ilintilendirme 1- Node Gezgincisinde memoyla ilintilendirilmek istenilen node seçilir 2- Mönü çubuğundan DocLinks düğmesine tıklanır 3- Top-Level DocLinks penceresi açılır (Şekil 46) 4- Pencerenin sol tarafında projenin tüm belgelerinin listesi bulunur, bunların arasından ilintilenmek istenilen memo seçilir 135

136 5- İlintilenmek istenilen memo nun üzerine tıklanır ve ekle (add->) düğmesine tıklanır. Böylece sağ tarafta görünen ilintili belgelerin listesine dahil olur. Diğer belgeler de aynı biçimde ilintilenebilir. Memo ve diğer belgeler arasındaki tek fark ikonlarıdır. 6- Bitirildiğinde Kapat (Close) a tıklanır Şekil 46 Top-Level DocLinks Penceresi Top-Level DocLinks penceresinden başka işlemler de yapılabilir. Memo ya da diğer belgeler ya da her ikisi de ilintilenebilir, ya da yeni bir memo oluşturulabilir. Halihazırda yoksa Yeni bir Memo İlintile (Link a New Memo) düğmesine tıklanarak projeye dahil edilebilir (import). Belgeyi Tara (Browse Document) üzerine tıklanarak belge içeriği taranabilir (Şekil 47). Dolayısıyla bu diyalog ile birçok işlem yapılabilir, ilintiler eklenip kaldırılabilir. Çeşitli node lar aynı belge 136

137 veya memo ile ilintilenebilir ve çeşitli belgeler veya memolar aynı node a ilintilenebilir. Şekil 47 Belge Tarayıcısında memo SIFATLAR projesinde inanç sistemi adlı memo Memo içerikleri Bir memo ya neler yazılabilir? Aşağıdakiler memo ile yapılabileceklerin tipik örneklerdir (Gibbs, 2002: 88): 1- Bir node için yeni bir fikir. Bu bir cevaplayıcının söylediği bir şeyden kıvılcımlanabilir. 2- Beklentiler. Beklentiler yazılabilir. 3- Birleştirici tartışma. Bir ya da birkaç memo ve node betimlemeleri bir araya getirilebilir. 4- Araştırmacılar arasında diyalog. Memolar araştırmacılar arasında analitik fikirleri paylaşmanın iyi bir yoludur. 137

138 5- Verilerin niteliğini sorgulama. Cevaplayıcının bir konu hakkında tümüyle açık olmadığı ya da bir konuyu araştırmacıya ifade etmekte yeterli olmadığı ikinci ağızdan öykü anlatıldığı durumlarda- durumlar yazılabilir. 6- Orijinal analitik çerçeveyi sorgulama. Projenin başında oluşturulan ağaç node lar içinden bir node un başka bir yere taşınıp taşınmaması hakkında yazılabilir. 7- Bir vaka hakkında neyin bilmece ya da sürpriz olduğu. Nitel belgeleri incelemekte anahtar bir nokta da neyin sürpriz olduğunu yakalayabilmektir. 8- Başka bir memo ya alternatif hipotezler olarak. Araştırmacının kendi kendisiyle ya da proje ortaklarıyla arasında kurduğu diyalogdur. 9- Net bir fikriniz yoktur ama bulmaya çalışırsınız. Bazen fikirler yazıldıkça açıklaşır. 10- Genel bir tema ya da metafor ortaya atma. En holistik ve bütünleştirici aktivite budur. Analizde bazı noktalarda çeşitli konuları bir araya getirmeye başlama ihtiyacı hissedilebilir. Alansal yaklaşımcılar bunu seçici kodlama ya da temel (core) fenomenin belirlenmesi olarak adlandırırlar. Bir belgenin içinden parçaları ilintileme 1- Belge Tarayıcısında belge açılır 2- Metinde belge ilintilemek istenilen yere tıklanır 3- Mönü çubuğunda Belge İlintilerini Oluştur/İncele (Make/Inspect DocLinks) düğmesine tıklanır 4- Halihazırda bir belge ya da memo yoksa Yeni bir Memo Oluştur (Link a New Memo) düğmesine tıklanır 138

139 5- DocName-Memo adında yeni memo belgesi için Belge Tarayıcısı açılır. DocName ilinti yapılan belgenin adıdır. İstenirse bu Özellikler (Properties) diyalogu kullanılarak daha sonra değiştirilebilir 6- Memo ya da not yazılır (ya da bir yerden kesilip kopyalanır) 7- Belge Tarayıcısı kapatılır 8- Belgenin üzerine tıklanıp sağ taraftaki İlintilenen Belgeler listesine geçirmek için -> işaretli düğmeye tıklanır. 9- Artık belgede bir ilintiye sahip olunmuştur 10- Başka ilintiler yapılabilir ya da Kapat (Close) a tıklayarak bitirilebilir. Metinde imlecin tıklanmış olduğu yerde küçük bir belge ikonu belirir (Şekil 48). Bir dahaki açışta bu ikon o kısımda belirecektir, üzerine gelip bağlamsal mönüsünden belge taranabilir. Aynı biçimde belgede istenilen bir yere bir node ilintilenebilir. Bunu örneğin şöyle bir durumda yapmak gerekebilir: A cevaplayıcısı B cevaplayıcısına atıfta bulunuyor ve B nin söylediği her şeyin kodlu olduğu bir node var, bu durumda node ilintisi eklemeniz gerekebilir. Ya da A nın söylediği kodlanıp, B nin söylediklerinden oluşan node a ilintilenebilir. Ancak memo lara node ilintilemek yararlı olur çünkü memo larda kavram ve fikirler geliştirildikçe bunlar belge ilintileri kullanılarak biraraya getirilebilir ve node ilintileri eklenebilir. 139

140 Şekil 48 Metin pasajı içinde belge ilintisi (DocLink) görünümü Bir belgede belirli bir yere node ilintileme 1- Belge tarayıcısında belge ya da memo açılır 2- Node un ilintileneceği yere metinde tıklanır 3- Mönü çubuğunda Node İlintilerini Oluştur/İncele (Make/Inspect NodeLinks) düğmesine tıklanır 4- Sol taraftan ilintilemek istenilen node un üzerine tıklanıp -> işaretli düğmeye tıklanarak sağ tarafa taşınır 5- İlintilenecek node sağ tarafta görünür 6- İstenirse ilintileme işlemine devam edilebilir ya da Kapat (Close) a tıklanarak kapatılabilir (Şekil 49) İlintilenen node metinde belirlenen yerde görünür (Şekil 50). 140

141 Şekil 49 Node İlintileri (NodeLinks) Penceresi Şekil 50 NodeLinks ikonunun metin içinde görünümü 141

142 DataBites ve eklemeler (annotations) Program DataBites adı verilen bir diğer materyal aracılığıyla da belgelerdeki metin pasajlarını ilintileme kolaylığı sunar. Bunlar bilgisayarda bulunan herhangi türde bir materyal olabilir: metin dosyaları, multimedya dosyaları vb. DataBites yoluyla belgelere resimler, ses kayıtları, dijital video, web siteleri vs. ilintilenebilir. Önemli husus, bunlardan hiçbirinin programın veri tabanına dahil edilmediği ancak bilgisayarınızda kayıtlı bulunmaları halinde programdaki veri tabanını oluşturan metinle ilintilenebildiğidir. Bir belgede belirli bir yere DataBite ilintileme 1- Belge Tarayıcısında belge ya da memo açılır 2- DataBite ilintisi kurulacak metin pasajı koyulaştırılarak seçili hale getirilir 3- Mönü çubuğundan DataBite düğmesine tıklanır 4- Açılan Select DataBite Type diyalogunda Dosyaya İlintile (Link to file) seçilip Oluştur (Create) a tıklanır 5- Açılan dosya seçme diyalogundan ilintilemek istenilen seçilir 6- Aç (Open) a tıklanır 7- Belge Tarayıcısında seçilen pasaj, DataBite ilintisi olduğuna işaret eder biçimde, artık altı çizili biçimde görünmektedir (Şekil 51) 142

143 Şekil 51 DataBite ilintisi metinde altı çizili olan yer Altı çizili metin pasajının üzerine tıklanıp ardından mönü çubuğundan DataBite ikonuna tıklandığı anda ilintilenmiş olan belge ya da resim vb. açılır. DataBite lar metne basit dipnotlar koymak için de kullanılabilir. DataBite ile dipnot ilintileme 1- Belge Tarayıcısında belge ya da memo açılır 2- Dipnot ilintilemek istenilen metin pasajı seçilir 3- Mönü çubuğundan DataBite düğmesine tıklanır 4- Select DataBite Type diyalogu İç Ekleme (Internal Annotation) seçili halde açılır 5- Oluştur (Create) tıklanır 6- Açılan pencereye dipnot olarak eklenecek metin yazılır 7- Kaydet&Kapat (Save&Close) a tıklanır 143

144 Oluşturulan bu dipnot, altı çizili metnin üzerine tıklanıp DataBite ikonuna tıklanarak açılabilir ve düzeltme, değişiklik ya da ekleme yapılabilir. Metne bu tip dipnotları ilintilemek çok kolaydır ancak önemli bir eksikliği şudur ki bunlar projenin ana veritabanının bir parçasını oluşturmaz, dolayısıyla arama ya da kodlama yapılamaz Yüklemeler (Attributes) Yüklemeler programın, istatistiksel ve nicel analizde yaygın olan değişkentemelli verilerin bir türü biçiminde ele aldığı verilerdir. Değişkenler bir dizi değerler alırlar. Örneğin yaş yüklemesi cevaplayıcıların yaşına işaret etmek için kullanılabilir. Yüklemenin ismi cevaplayıcının yaşı olur ve aldığı değerler 17, 21 türünden rakamlar olur. Nicel araştırmada bu tarz değişkenler birincil verilerdir ancak nitel çalışmada bunlar birincil veri olabileceği gibi, veri hakkında veri ya da metaveri olabilir. Şöyle ki, görüşmecinin yaşı birincil veri olabilirken, görüşmecinin ismi, node tanımlama tarihi gibi yüklemeler metaveriye daha yakındır. Programda belgeler, node lar ve vakalar (case) hakkında yüklemeler kaydedilebilir. Yüklemeler veriler, veri analizi ve onun geçerliliğini etkileyebilecek herhangi bir değişken için oluşturulabilir. Yüklemeler cevaplayıcılar ya da vakalara ilişkin olarak nitel ve nicel verileri birleştirmenin bir yolunu sağlar. Yüklemeleri oluşturma ve atamanın iki temel yolu vardır. Bunlar; programda oluşturmak ya da istatistiksel bir program ya da belgeden programa dahil etmektir (import). Programda yüklemeler Node Yükleme Editörü ya da Belge Yükleme Editörü kullanılarak oluşturulabilir ve düzeltilebilir. Çünkü 144

145 yüklemeler programda iki liste halinde saklanır: belgeler ve memolar için olanlar ve node lar ve vakalar (case) için olanlar. Yeni bir belge yüklemesi (attribute) oluşturmak için 1- Belge Yükleme Editörü açılır. Bunu Proje Penceresinde yapmak için Belgeler (Documents) üzerine tıklanıp sonra Yüklemeler (Attributes) üzerine tıklanır. Ardından Bir Belge Yüklemesini Düzelt (Edit a Document Attribute) e tıklanır 2- Belge Yüklemelerini Oluştur/Düzelt (Create/Edit Document Attributes) diyalogu açılır (Şekil 52) 3- Pencerenin sağ üst tarafındaki kutucuğa yüklemenin ismi yazılır 4- Uygun olan değer tipi ilgili kutucuktan seçilir 5- Uygula (Apply) düğmesine tıklanır Şekil 52 Belge yüklemeleri için Belge Yüklemelerini Oluştur/Düzelt (Create/Edit Document Attributes) diyalog penceresi 145

146 Yukarıdaki Şekilde SIFATLAR projesindeki belgelerimizin yüklemeleri görülmektedir. Bunlar katılımcıların cinsiyet, yaş ve okumakta oldukları bölüm enformasyonunu içermektedir. Bir belge yüklemesi için değerleri oluşturma 1- Belge Yüklemelerini Oluştur/Düzelt (Create/Edit Document Attributes) diyalog penceresinde yüklemelerden biri seçilir 2- Pencerenin en üstünde görülen Değer (Value) şeridine tıklanır 3- Eğer bu yeni bir yükleme ise pencerenin sol tarafındaki listede sadece üç değer görülecektir: Atanmamış (Unassigned), Bilinmeyen (Unknown) ve Uygundeğil (Not Applicable). 4- Bunlardan başka değerler eklemek için pencerenin sağ tarafındaki kutucuğa bir isim yazılır, örneğin yükleme cinsiyet ise kadın yazlır 5- Aşağıdaki Uygula (Apply) düğmesine tıklanır (Şekil 53) 6- Tüm değerleri girilene kadar bu işlem tekrarlanır. 7- Bitirildiğinde Kapat (Close) düğmesine tıklanır 146

147 Şekil 53 Bir Yükleme ye değerleri atama Bir seferde istenilen sayıda yükleme ve değer girilebilir. Ayrıca geriye dönüp bir yüklemeye yeni değerler eklenebilir ve yeni yüklemeler oluşturulabilir. Eğer değerler sıralı (ordered) ise Aracı kullanılırken belli bir günden sonraki tüm node ları bul ya da 50 den yaşlı olan tüm vakaları bul türünden soruşturmalar yapılabilir. Tarih ve zaman formatları her zaman yıl/ay/gün ve saat/dakika biçiminde ifade edilir, böylece değerlerin sıralanması ve Arama Aracında kullanımı kolaylaşır. Yüklemeler (Attribute) için olası değer (value) tipleri Değer tipi Olası değerler Sıralı String Harfler ve sayıların herhangi bir Yok dizilişi maksimum 35 boşluk içeren Boolean Doğru ya da yanlış Yok Sayı Herhangi bir sayı Var Tarih ve zaman formatları 2000/5 ya da 1999/12/25 ya da 12/45/32 Var 147

148 Yüklemeleri inceleyip değiştirmek Bir belgenin ya da memo nun yüklemelerini incelemek ve onlara değerler vermek için Belge Yükleme (Attribute) Gezgincisini açmak gerekir. Belge Yükleme (Attribute) Gezgincisini açmak 1- (a) Proje Penceresinde Belgeler (Documents) e, ardından Yüklemeler (Attributes) e tıklanır. Daha sonra Belge Yüklemelerini Gez (Explore Document Attributes) üzerine tıklanır; ya da (b)sadece bazı belgelerin yüklemeleri incelenecekse, Belge Gezgincisinde belge kümesinin üzerine tıklanıp bağlamsal mönüsünde Küme Yüklemelerini Gez (Explore Set s Attributes) seçilir ya da mönü çubuğundan yüklemeler (attributes) düğmesine tıklanır 2- Belge Yükleme Gezgincisi açılır (Şekil 54) Şekil 54 Belge Yükleme (Attribute) Gezgincisi 148

149 Belge Yükleme (Attribute) Gezgincisinde bir değeri değiştirmek ya da girmek 1- Değiştirmek istenilen hücrede bağlamsal mönü açılır (Şekil 55) 2- (a) istenilen değeri seçilir ya da (b) Yeni Değer (New Value) seçilip açılan küçük pencerede yeni değer yazılır. OK tıklanır Şekil 55 Yükleme değerlerinin bağlamsal mönüsü Belge Yükleme Gezgincisindeki bu tablonun çıktısı alınabilir (File:Print) ya da bir metin dosyası veya SPSS veri dosyası olarak başka bir yere gönderilebilir (File:Export). Bir belge için yüklemeleri inceleme 1- Belge Gezgincisinde incelenmek istenilen belge seçilir 2- Mönü çubuğundan Yüklemeler düğmesine tıklanır 3- Belge Yükleme Gezgincisi sadece bir belge için yüklemeleri gösterir 149

150 Node Yükleme (attribute) editörünü açmak için 1- Proje Penceresinde Nodes a tıklanır; ardından Yüklemeler (Attributes) e tıklanıp, Bir Node Yüklemesini Düzelt (Edit a Node Attribute) e tıklanır. Yüklemeyi Oluştur/Düzelt (Create/Edit Attribute) diyalog penceresi açılır. Node Yükleme Gezgincisini açmak için 1- (a) Proje Penceresinde Nodes a tıklanır ardından Yüklemeler (Attributes) e tıklanıp, Node Yüklemelerini Gez (Explore Node Attributes) e tıklanır; ya da (b) Sadece bazı node lar için yüklemeler incelenecek ise Node Gezgincisinde istenilen Node u seçilir ve mönü çubuğundan Yüklemeler (Attributes) düğmesine tıklanır 2- Node Yükleme Gezgincisi açılır. Yükleme (Attribute) değerlerini sayma Yukarıda Şekil 54 te de görüldüğü üzere örnek programda yüklemeler bir istatistik programındaki veriler gibidir. Sütunlar değişkenler ve satırlar ise vakalardır. Örnek program bir nitel veri analizi programıdır ve yüklemelere dayalı karmaşık istatistikleri hesaplama özelliği yoktur. Bunu yapmak istediğinizde verileri istatistik programına aktarmanız gerekir. Yine de yüklemeler için bazen özet toplamlar elde etmek yararlıdır. Eğer bir yükleme değerinin belge kümeleri ya da node kümelerindeki dağılımına hızlı bir bakış atmak istenirse Yükleme Profili bunu sağlayacaktır. Görüşülenlerin cinsiyet dağılımını görmek, proje ortakları tarafından kaç tane node tanımlamasının onaylandığını görmek gibi durumlarda yükleme profili kullanılabilir. 150

151 Bir yükleme için profil hazırlama 1- Belge ya da Node Gezgincisinde bir belge kümesi seçilir 2- Bağlamsal mönüsünden Bir Yükleme için Profil Değerleri (Profile values for an attriubte) seçilir 3- Açılan mönüden istenilen değer seçilir 4- Profil penceresi açılır, her bir node ya da belge için değeri gösterir ve en sonunda toplam ve yüzde verir (Şekil 56) Şekil 56 SIFATLAR projesinde bir belge kümesinin cinsiyet değer profili Yüklemeler karşılaştırma yaparken işlevseldir. Kodlanan cevaplar cinsiyet, yaş vb. değişkenlere/yüklemelere göre karşılaştırılabilir. Ancak burada yapılan karşılaştırmalar, surveylerdeki gibi tesadüfi örneklemeye dayalı olmadığı için genelleştirilemez. 151

152 Metin arama Nitel veri analizinde aktivitenin çoğu metinde bir şeyler aramaktan ibarettir. Bilgisayar programlarında okuma ve düşünmenin yerini alacak herhangi bir şey bulunmamaktadır. Hiçbir bilgisayar, metni yorumlayamaz, bu ancak insanların işidir. Ancak insanların da sınırlılıkları vardır. Belirli kelime ve ifadeleri aramak gibi tekrarlayıcı görevlerden kolayca sıkılabilir. Bilgisayarla arama, okuma ve düşünmenin yerine geçmese de bilgisayar, metni inceleme ve analizde tamlık ve güvenilirlik sağlar. Metinde aranacak şey Metin arama kullanımlarının çoğu şu iki şeyde birleşir: Kodlama ve tamlığı kontrol etme. Mevcut node lara kodlanabilecek benzer metin pasajları aramak anahtar bir aktivitedir. Burada bilgisayarla arama yardımcı olur. Bilgisayar programının metin arama özelliği anahtar kelimeleri arayarak mevcut tüm kelimelerin bulunmasına hizmet eder ancak ilgili bölümde anlatıldığı üzere arama sonuçlarının tekrar gözden geçirilerek ilgisiz olanların çıkarılması işlemi yapılmalıdır. Ya da bazı pasajlar olabilir ki aradığınız şeyle ilgili olmasına rağmen aranan kelimeyi içermediği için arama sonucunda yer almamıştır. Bu ve benzeri durumlar bize göstermektedir ki arama işleminin her bir sonucu ne bulunduğuna ilişkin bir okumayı, onun anlamını ve çalışılan kavramlarla ilgisini değerlendirmeyi gerektirmektedir. Bilgisayar ilgili tüm pasajları bulur ama bulduklarının tümünün ilgili olduğunun garantisini vermez. Programda yapılan arama sonuçları yeni birer node olarak kaydedilse de araştırmacı bunları saklamak zorunda değildir istenildiğinde bunlar silinebilir. Dolayısıyla, arama işlevi sadece veriler hakkında bilgi sahibi olmanın bir yolu olarak 152

153 kullanılabilir. Program aracılığıyla, teorik beklentilerden (hunches) çıkarsanan terimler aranabilir ve bunlar orijinal belgelerindeki pasajlarda incelenebilir. Metin aramanın ikinci bir önemli yönü de kodlamanın tamlığı (completeness) ve geçerliliğini kontrol etmenin bir yolu olmasıdır. Node lar üzerine arama yapma nitel araştırmada hipotezleri kontrol etmenin önemli bir yoludur. Eğer yoğun bir incelemenin ardından sadece birkaç negatif vaka bulabilmiş isek hipotezimizin geçerliliği hakkında daha emin oluruz (ancak nitel araştırmalarda negatif vakaların keşfi basitçe hipotezin reddedileceği anlamına gelmez, bunun yerine negatif vakalar dikkate alınarak modifiye edilir). Negatif vakaları bulmak üzere arama yapmak node da kodlu önemli/anlamlı örneklerin hiçbirinin gözden kaçırılmadığı anlamına gelmektedir. Nitel metinler oldukça hacimlidir ve bunları okumak kodlama için örnekler aramak ve bu sırada yansız olabilmek zor bir iştir. Node da kodlu metin örneklerini gözden kaçırmak kolaydır çünkü bir vakada bir şeyin bulunması beklenmiyor ya da bu şey aranılan forma uymuyor olabilir. Dolayısıyla negatif vakaların bulunması geçerlik testi için önemlidir ve bu noktada bilgisayarın katkısı çoktur. Yine de bilgisayar sizin yerinize her işi yapamaz. Her zaman metin arama örüntüsüne uymayan örnekler olacaktır ve bunlar sadece dikkatli bir okumayla keşfedilebilecektir Basit arama Çoğumuz Word işlemcileri dolayısıyla arama ve değiştirme (replace) işlevine aşinayız. Standart Word-işlemcisinde arama, aranan şeyin bazı varyasyonlarını bulmaya da yardımcı olur. Örneğin eğer medeniyet sözcüğünü arıyor iseniz MEDENİYET, medeniyet sözcükleri de bulunur. Kelimeyi tam olarak 153

154 bulmasını istiyorsanız aramayı sınırlandırabilirsiniz. İşte bu tip basit arama fonksiyonları NVivo da da mevcuttur. Çoğu Word-işlemcisi aynı metin üzerinde tekrar eden aramalarınıza izin verse de iki dezavantajı vardır: öncelikle, metinde bulunan yeri işaretlemek zordur. Çünkü hızlı bir değiştirme yapıp devam edileceği varsayılır. İkincisi, bir seferde sadece bir metin aranabilir. Alternatifleri arama şansı yoktur. Programda bu problemlerin üstesinden gelen daha güçlü ve esnek bir Arama Aracı vardır Örnek program Arama Aracı (Tool) Arama Aracı ile bir seferde çeşitli şeyler aranabilir ve tüm buluntuları bir arada geri çağrılabilir (retrieve). Örnek program tarafından desteklenen analitik sürecin kalbinde arama (searching) yatmaktadır. Bu esnek araç analiste, elle analiz yapanlara karşı verimlilik, kesinlik ve tamlık alanlarında büyük bir avantaj sağlamaktadır. Arama Aracı Proje Penceresi üzerinde Arama (Search) düğmesine tıklanarak açılabileceği gibi diğer yerlerden de erişilebilir: Örneğin, Belge Tarayıcısındaki Belge mönüsünden ya da Node Tarayıcısındaki Node mönüsünden. Çoğu yerde Ctrl- T tuşu Arama Aracını açacaktır. Araç, programdaki arama fonksiyonlarının çoğunu bir arada toplamıştır: tüm metin arama türleri, node ları ve yüklemeleri arama. Aramaların etkinlik alanı (scope) sınırlandırılabilir ve böylece sadece belirli belgeler ya da node lar incelenebilir ve arama sonuçları çeşitli biçimlerde kullanılabilir. Daha önce de belirtildiği üzere anahtar nokta şudur: arama sonuçları programda yeni bir node da kodlu metin biçiminde saklanır. Bu node ve içindeki kodlu metin, herhangi 154

155 bir diğer node gibi kullanılıp incelenebilir, eklemeler yapılabilir, yeniden adlandırılabilir ve diğer node larla birleştirilebilir (merge), node ağacına taşınabilir. Arama programda üç kısıma ayrılabilir, bunlar Arama Aracının üç ana bölümünde gösterilir (Şekil 57). Ne ve nasıl aranaca ğı Nerede aranaca ğı Arama etkinlik alanı Şekil 57 Arama Aracı bölümleri Node arama Burada bir node da kodlu tüm metni arama imkanı vardır. Elbette bu Node Tarayıcısında da yapılabilir, ancak Arama Aracı ile aramaya çeşitli sınırlamalar getirilebilir. Örneğin sadece belirli belgelerde kodlu metin bulunabilir. Arama Aracı Proje Penceresinde açıldıktan sonra Node Düğmesine tıklandığında Tek Node Arama (Single Node Lookup) diyalog penceresi açılır (Şekil 58). Seç (Choose ) düğmesine tıklanarak arama yapılacak node seçilir. 155

156 Şekil 58 Tek Node Arama (Single Node Lookup) diyalogu Yükleme Değeri (value) arama Bu, Tek Node Arama (Single Node Lookup) ile aynı işlemi yapar ancak belirli bir yükleme değeri yüklenmiş belge ya da node lardaki metni bulur. Arama Aracında Yükleme Değeri (Attribute Value ) ne tıklandığında Yükleme Değeri Ara (Attribute Value Lookup) diyalogu açılır (Şekil 59). Şekil 59 Yükleme Değeri Ara (Attribute Value Lookup) diyalogu 156

157 Kelime Arama Metinde belirli kelimeler, ifadeler ya da terimlerin bileşimini aramanıza imkan verir. Bir seferde birden fazla kelimeyi arayabilirsiniz ve özel sembolleri (wildcards) kelimenin alternatif yazılımını bulmak için kullanabilirsiniz (Şekil 60). Metin Arama diyalogunun orta kısmında bulunan kayan-mönüyü (pull-down menu) kullanarak daha gelişmiş bir seçenek olan Tahmini Arama (Approximation Search) seçilebilir. Şekil 60 Metin Arama diyalogu Çeşitli kelimeleri aynı anda aramak için 1- Metin arama penceresinde Özel Sembol Kullan (Use Wildcards) seçeneği işaretlenir 2- Örneğin ilk kelime Metin Arama diyalogunun tepesindeki kutucuğa yazılır, örneğin köylü kelimesi 157

158 3- Bunun hemen altındaki Özel Karakter Ekle (Add special character) düğmesine tıklanarak kayan-mönüden alternation karakteri seçilir 4- İkinci kelime yazılır, örneğin saf kelimesi, tekrar değişim (alternation) karakteri koyulur ve üçüncü kelime, örneğin temiz kelimesi yazılır OK e tıklanır. Arama Aracının tepesindeki kısımda aranacak kelimeler köylü saf temiz biçiminde görünecektir 5- Etkinlik alanı olarak belirlenmek istenilen bir belge kümesi varsa seçilir, seçim yapılmazsa arama Tüm Belgeler (All Documents) üzerinde yapılır 6- Aramayı Başlat (Run Search) a tıklandığında arama işlemi başlatılır. Arama sonucu yeni node biçiminde kaydolur fakat bu node da sadece aranan kelimeler görünür. Dolayısıyla bunlar incelenmek üzere paragraf içinde görülmek isteniyorsa, Arama Aracının en alt bölümündeki Bulguları Genişlet (Spread Finds) kısmından Etkinlik Alanı (In a Scope Document to) adlı kayan-mönü içinden seçim önceden yapılır ve ardından Aramayı Başlat (Run Search) a tıklanır. Arama sonuçları yeni node tarayıcısında açılır (Şekil 61) 158

159 Şekil 61 Arama Sonuçlarının Yeni Node Tarayıcısında Görünümü Boolean arama ve Yakınlık (Proximity) arama Son iki arama ile daha karmaşık bileşimler kullanılabilir. Boolean arama ve, ya da ve değil gibi Boolean işlemlerin kullanımına imkan verir. Bu mantıksal bağlantılar onları ilk kez kodifiye eden George Boole un adını taşımaktadır. Bunu kullanarak tek bir işlemde node, attribute ve metin aramaları bir araya getirilebilir. Örneğin medeniyet, mozaik kelimeleri medeniyet besigi adlı node da kodlu metinde ve Cinsiyet = Kadın yükleme değerine sahip belgelerde aranabilir. Burada güçlü bir seçenek matris arama dır. Arama Aracı üzerinde Boolean a tıklandığında Boolean Arama diyalogu açılır (Şekil 62). Bu diyalogun üst kısmındaki kayan-mönüden uygun olan Boolean işlemcisi seçilebilir. Bunun altında node ları, yüklemeleri ve metin leri işaret eden 159

160 düğmeler vasıtasıyla her birinin seçilebileceği diyaloga ulaşılır. Bir ya da daha fazla node, yükleme ya da metin pasajı seçilebilir. Boolean bağlantılar buna rağmen metin pasajlarının birbirleriyle ilişkilerinin tüm biçimlerini kapsayamaz. Son arama seçeneği olan Yakınlık (Proximity) Arama aranan terimlerin bileşimlerinin çeşitli başka yollarını ekler. Bunlar yakınlık ve ardışıklık ı içerir. Şekil 62 Boolean Arama diyalogu Boolean Arama Aracını kullanarak metin arama 1- Arama Aracında Boolean düğmesine tıklanır 2- Boolean Arama penceresi açılır (Şekil 62) 3- Diyalogun tepesindeki kayan-mönüden Union (or) seçilir 4- Metin Örüntülerini Seç (Choose Taxt Patterns ) düğmesine tıklanır 160

161 5- Metin Örüntülerini Seç (Choose Text Patterns) diyalog penceresi açılır (Şekil 63) 6- Daha önce anltılan biçimde aranmak istenilen kelime ya da kelimeler yazılır 7- Diyalogun alt kısmında bulunan Örüntü Ekle (Add Pattern) düğmesine tıklanarak kelimeler sağ taraftaki listeye aktarılır 8- Aranmak istenilen diğer kelimeler için de aynı işlem tekrarlanır 9- OK e tıklanır 10- Boolean Arama penceresinde OK tıklanır 11- İstenilen etkinlik alanını (scope) seçilir 12- Arama Aracının Bulguları Genişlet (Spread Finds) kısmından tercih yapılır 13- Aramayı Başlat (Run Search) a tıklanır Şekil 63 Metin Örüntülerini Seç (Choose Text Patterns) diyalog penceresi Etkinlik alanı (scope) Etkinlik alanı kısmında Arama Aracının, projedeki hangi alt küme metin üzerinde çalışacağını belirleme imkanı vardır. Bir tercih yapılmadığı durumda 161

162 mevcut tüm belgeler üzerinden arama yapılır. Tercih yapıldığında arama işlemi belirli belgeler, node lar, ya da vakalarla sınırlandırılmış olur. Arama işlemini sınırlandırabilmek için belgeler ya da node lardan oluşturulan kümeyi kullanmak gerekir. Eğer halihazırda bir küme oluşturulmamış ise, ihtiyaç doğrultusunda bir küme oluşturulup arama yapılabilir. Arama Aracının etkinlik alanı kısmında belgeler için Tüm Belgeler (All Documents), Tüm Memo-Olmayan Belgeler (All Non Memo Documents) ve Tüm Memo Belgeler (All Memo Documents) seçenekleri ve eğer varsa kümeler kayan-mönüde yer alır. Ayrıca node lar için de Tüm Node lar (All Nodes), Tüm Ağaç Node lar (All Tree Nodes), Tüm Serbest Node lar (All Free Nodes), Tüm Vaka Node ları (All Case Nodes) ve Tüm Vaka Tipi Node lar (All Case Type Nodes) seçenekleri ve varsa oluşturulan node kümeleri kayan-mönüde yer alır. Yapılacak arama işlemi bunlardan biri seçilerek sınırlandırılabileceği gibi ayrıca Yeni Belge Etkinlik Alanı (New Doc Scope ) ve Yeni Node Etkinlik Alanı (New Node Scope) düğmelerine tıklanarak Belge ya da Node Küme Editörü kullanılarak da sınırlandırılabilir. Belge Gezgincisinde bir belge kümesi oluşturma 1- Mönü çubuğundan Araçlar: Küme Oluştur (Tools:Create Set) seçilir. Kümeye yeni isim vermek için bir kere üzerine tıklanıp, isim yazılır 2- Tüm Belgeler (All Documents) yazan klasöre tıklanır ve pencerenin sağ tarafında tüm belgelerin listesi görünür 3- Sol tarafta yeni oluşturulan küme görünecek biçimde ekran kaydırılır 4- Sağ taraftaki belgelerden kümeye dahil edilmek istenilen birinin üzerine gelinip Fare (Mouse) yardımı ile sol taraftaki kümeye sürüklenir 162

163 5- Kümeye dahil edilmek istenilen tüm belgeler için işlem tekrarlanır Bu işlem sırasında bir hata yapılır ya da bir belge kaldırılmak istenirse, belge ikonunun üzerine tıklanıp bağlamsal mönüsünden Belgeyi Kümeden Kaldır (Remove Document from Set) seçilir. Node kümeleri de aynı yolla Node Gezgincisinden oluşturulabilir. Belge Küme Editörünü kullanarak bir belge kümesi oluşturma 1- Proje Penceresinde Belgeler (Documents) e ardından Kümeler (Sets) e tıklanır. Bir Belge Kümesini Düzelt (Edit a Document Set) seçilir. 2- Belge Küme Editörü (Document Set Editör) açılır (Şekil 64) 3- Burada iki kayan-mönü altında iki pencere görünür. Sol taraftaki pencereden belgeler seçilip sağ taraftaki pencereye Kopyala (Copy>>) üzerine tıklanarak taşıma yoluyla küme oluşturulabilir. Sol taraftaki kayan-mönüde eğer varsa önceden oluşturulmuş kümeler ve Tüm Belgeler (All Documents), Tüm Memo Olmayan Belgeler (All Non Memo Documents) ve Tüm Memo Belgeler (All Memo Documents) seçenekleri yer alır. Bunlar program tarafından otomatik olarak oluşturulmuştur ve kullanıcı tarafından değiştirilemez. 163

164 Şekil 64 Belge Küme Editörü Yukarıdaki Şekil incelendiğinde sol taraftaki alt pencerede bazı belgelerin seçili halde bulunduğu ve sağ tarafta da bu seçili belgelerin yer aldığı görülecektir. SIFATLAR isimli projede isim kelimelerin verildiği beş yüz kişilik örneklem için isimler adını verdiğimiz bir belge kümesi oluşturulmuştur. Yukarıda bu belge kümesindeki belgeler sol tarafta listeli halde bulunmaktadır. Belge Küme Editörünün alt kısmındaki Belgeleri Süz (Filter Documents) de belgelerin çeşitli açılardan SIFATLAR projesi daha önce de bahsedildiği üzere bin kişilik bir örneklemden oluşmaktadır. Bu örneklemin beş yüz kişilik kısmına isimlerden oluşan soru formu, diğer beş yüz kişilik kısmına da sıfatlardan oluşan soru formu verilmiştir. Dolayısıyla analizimiz sırasında isimler ve sifatlar adını verdiğimiz iki belge kümesi kullanılmıştır. Programda yapılan tüm aramalarda bu kümeler kullanılmıştır. Amacımız açısından işlevsel olmakla birlikte program deneyimlerimiz şunu keşfetmemizi sağlamıştır: Örnek programın Arama kapasitesi 1000 belgenin tümü üzerinden herhangi bir arama yapma konusunda yetersiz kalmaktadır. Sıfatlar projesinde örneklem sayımızın büyüklüğü, programdaki bu sınırlılığı keşfetmemize olanak vermiştir. Ancak örnek programın piyasaya yeni çıkan sürümünde (NVivo7), daha büyük verilerle başa çıkma konusunda programın kapasitesinin arttırıldığı belirtilmektedir. 164

165 süzülme imkanı vardır. Yukarıdaki şekilde görüldüğü üzere Cinsiyet = Erkek yükleme değeri seçilmiş, bu seçme işlemi temelinde yukarıdaki sol tarafta bulunan pencerede yer alan isimler kümesindeki belgelerden cinsiyet = erkek yükleme değerine sahip bulunanlar seçili hale gelmiştir. Bunlardan yeni bir küme oluşturmak için Kopyala (Copy>>) üzerine tıklanıp sağ taraftaki kısma aktarabilir ardından mönü çubuğundan Farklı Kaydet (Save As) seçilip yeni kümeye ad ve betimleme yazılabilir. Örneğin biz bu yolla isimler-erkek adında yeni bir küme oluşturmuş bulunmaktayız. Oluşturulan bu kümeler Arama (Search) işlevini kullanırken Etkinlik Alanı (Scope) olarak seçilebilir Matrisler ve tablolar Nicel analizde genellikle çapraz tablo olarak bilinen tablolar kullanılmaktadır. Bu tablolar, veri kümelerinin farklı alt grupları arasında ve bireylerin farklı yüklemeleri (attribute) arasında karşılaştırmalar yapma amacıyla kullanılır. Veri tabloları, matrisler, nitel veri analizinde de benzer biçimde kullanılabilir. Bir dereceye kadar mantık aynıdır fakat bazı önemli farklılıklar mevcuttur. Bunu anlayabilmek için basit bir nicel tabloyu incelemekle başlayalım. Örneğin aşağıdaki tabloda hücre 1,1 diplomalı erkek sayısını, hücre 1,2 diplomasız erkek sayısını, hücre 2,1 diplomalı kadın sayısını ve hücre 2,2 diplomasız kadın sayısını göstermektedir. Bu tablodaki verileri okumanın iki yolu vardır. Sütunlar karşılaştırılabilir, yani diplomalı ve diplomasızların özellikleri karşılaştırılabilir. Böylece diplomalıların üçte ikisinin erkek olduğu söylenebilir. Ya da satırlar karşılaştırılıp, kadınlarla erkeklerin özellikleri kıyaslanabilir. Böylece, erkeklerin yüzde 40 ının diplomalı olduğu kadınların ise sadece yüzde 18 inin diplomalı olduğu söylenebilir. 165

166 Tablo2: Nicel Çapraz Tablo Örneği Diplomalı Diplomasız Toplam Erkek Hücre 1,1 Hücre 1, Kadın Hücre 2,1 Hücre 2, Toplam (Gibbs, 2002: 187) Nitel veri analizinde de benzer bir mantık kullanılabilir ancak, hücrelerde yer alan sayıların yerine örnek metin pasajları, bireylerin hücrede temsil edilen özellikleri ya da yüklemeleri (attribute) kullanılabilir. Bu önemli bir farklılıktır. Böylece iki sütun karşılaştırıldığında karşılaştırılan şey sayısal profil değil fakat hücrelerdeki aktüel içeriktir. Diğer bir farklılık da şudur: nicel çarpraz tablolarda satır ve sütunlar değişkenler iken, nitel tablolarda satır ve sütunlar vakalar, node lar, yüklemeler ve belgeler olabilir. Aşağıda bir nitel tablo örneği yer almaktadır. Tablo3: Nitel Veri Tablo Örneği Diplomalı Erkek Hücre 1,1 Güvenilir, geleneksel, akıllı Kadın Hücre 2,1 Bireysel, dogmatik, akıllı, maskülen, Diplomasız Hücre 1,2 Artistik, sosyal, sıradan, güvenilmez Hücre 2,2 Feminen, artistik, geleneksel, radikal (Gibbs, 2002: 188) Yukarıdaki tabloda hücre içerikleri özet betimlemelerden cevaplayıcıların diplomalı ve diplomasız kadın ve erkekleri betimleme biçimleri oluşmaktadır. Burada toplamı ifade eden satır ve sütun yoktur. Sadece özet betimlemeler yer 166

167 almaktadır. Satırlar ya da sütunlar üzerinden bir karşılaştırma yapılabilirse de bu nicel tabloda olduğu kadar ifşa edici değildir. Bu tabloda hücre 2,2 ye bakıldığında betimlemelerin tutarlı olmadığı görülür. Diplomasız kadınlar hem geleneksel hem de radikal olarak görülmektedir. Oysa bu bir çelişkiyi göstermemektedir, burada sadece şu gösterilmektedir: çeşitli insanların cevapları tek bir hücrede gösterilmiş ve bunlardan en az ikisi farklı yorumlamalar yapmıştır (Gibbs, 2002: 189). Matris arama (matrix searching) Matris aramanın ardındaki fikir, bir grup node ya da yüklemenin (attribute) diğer bir grup node ya da yükleme ile karşılaştırılmasıdır. Node lar ve yüklemeler tamamen kodlanana kadar bu aramanın sonuçları fazla bir anlam ifade etmeyecektir. Her bir matris araması sonucunda, Matrix kesişim (intersection) (3,2) biçiminde bir ada sahip olan bir node oluşturulmuş olur. Bu matris araması sonucunda oluşan node adını değiştirme imkanı vardır. Bir matris kesişim (matrix intersection) arama yapmak için 1- Arama Aracı açılır 2- Boolean Arama (Boolean Search) düğmesine tıklanır. Boolean Search diyalogu açılır 3- Diyalogun en üstündeki kayan-mönü kullanılarak Matris Kesişim (Matrix Intersection) seçilir (Şekil 65) 167

168 Şekil 65 Matris Kesişimi (Matrix Intersection) gösteren Boolean Arama Diyalogu 4- İlk listeden ve ikinci listeden matrisi tanımlayan ögeleri seçilir. İlk listedeki ögeler matrisin satırlarını, ikinci listedekiler ise matrisin sütunlarını tanımlar 5- İlk listeden istenilen node lar Node ları Seç (Choose Nodes ) üzerine tıklanarak seçilir. Aşağıdaki şekilde Sıfatlar projesinde oluşturulan modernlik node unun iki çocuk node u (childnode) seçili halde görülmektedir: çağa uyum ve gelenek karşıtı 6- İkinci listeden Yükleme Değerlerini Seç (Choose Attribute Values ) üzerine tıklanarak yükleme (attribute) değerleri seçilir. Aşağıdaki tabloda Sıfatlar projesindeki yükleme değerlerinden kadın ve erkek seçili halde görülmektedir. OK e tıklanır. 168

169 Şekil 66 Bir Matris Kesişim (Matrix Intersection) Arama için seçilmiş node lar ve yüklemeler 7- Yapılacak arama için uygun etkinlik alanı (scope) seçilir (Ör. Biz bu örnekteki arama için, oluşturduğumuz belge kümelerinden isimler i seçtik) 8- Zorunlu olmamakla birlikte yapılacak arama özelleştirilebilir (customize). Arama sonuçlarının ilgili paragrafı içerir biçimde gelmesi sağlanabilir. 9- Aramayı Başlat (Run Search) üzerine tıklanır Şekil 67 Bir Matris Araması sonucu 169

170 10- Matrisin hücrelerinin üzerindeyken farenin sağ tuşu tıklanıp, Node u Tara/Kodla (Browse/Code Node) seçilerek hücrelerdeki metin taranabilir (Şekil 67) 11- Node Gezgincisinden de bulunan metin taranabilir. Node Gezgincinizde yeni bir ebeveyn (parent) node Matris Arama Sonuçları (Matrix search results) ismiyle yer alacaktır. Node Özelliklerini İncele/Değiştir (Inspect/Change Node Properties) kullanılarak node a istenilen isim verilebilir. 12- Matris gösterimi çeşitli başka sonuçları gösterebilecek şekilde değiştirilebilir. Bunlar şunlardan oluşur: her bir node da kodlu karakter sayıları, (o node da) kodlanmış belgelerin sayısı ve kodlama referanslarının sayısı (Şekil 67, 68 ve 69 a bakınız). Bunlara ulaşabilmek için tepede bulunan kayan-mönü kullanılır. Şekil 68 karakter sayılarını gösteren matris 170

171 Şekil 69 kodlama referanslarının sayısını gösteren matris Yukarıdaki şekillerde görüldüğü gibi sayısal matris gösterimleri, bir konuya ne kadar sıklıkla atıfta bulunulduğuna ilişkin bir fikir verebilir. Eğer bir konu hakkında çok konuşulmuşsa ya da çok kişi konuşmuşsa bu o konunun önemli olduğunu bize bildirebilir. Aynı zamanda bu bize, çoğunluğun mu yoksa azınlığın mı görüşü olduğunu bildirebilir. Ancak nitel çalışmalardaki bu tür sayımlara karşı dikkatli olunmalıdır. Örneklemler genellikle tesadüfi yolla seçilmemiştir dolayısıyla genelleme yapma imkanı vermez. Coffey ve Atkinson un belirttikleri gibi analitik anlamlılık frekansla garantilenemez (1996, 181 den akt. Gibbs, 2002: 198). Nitel araştırmada söylenmemiş olan da söylenmiş olan kadar anlamlı olabilir. Ancak yine de bu gibi rakamlar korelasyonlar ve nedensel ilişkiler hakkında beklentileri (hunches) kontrol etmek üzere kullanılabilir. Matris farklılık (Matrix difference) Boolean Arama seçeneklerinden bir diğeri de matris farklılıktır (matrix difference). Burada, Boolean Arama diyaloğunda ilk listede belirlenen ögelerin referansta bulunduğu tüm metin ve çiftli (pairwise) ikinci listedeki ögelerin referansta bulunduğu metin bulunur. Matris farklılığın en yaygın kullanımında 171

172 node lara karşı node lar aranır. Burada yapılmakta olan şey ilk listedeki node larda kodlu metinden ikinci listedeki node larda kodlu metni çıkarmaktır (subtract). Bu nedenle ilk listedeki node larda kodlu metin parçalarının uzun olması gereklidir. Örneğin ilk listedeki A, B ve C node larına karşı ikinci listedeki X ve Y node larının matris farklılık aramasında, A node unda kodlu olup X node unda kodlu olmayan, B node unda kodlu olup X node unda kodlu olmayan, C node unda kodlu olup X node unda kodlu olmayan ve sonra A node unda kodlu olup Y node unda kodlu olmayan vd. metin bulunur. Matris birlikte-oluş (co-occurrence), sıralama (sequence) ve kapsama (inclusion) Bunlar matris aramanın Boolean-olmayan versiyonlarıdır. Arama aynen matris kesişim de olduğu gibi kurulur; ancak, çiftli (pairwise) karşılaştırmanın temeli farklıdır. Bu matris aramaları aynı ölçütleri kullanır. İki listedeki her bir parça ögeyi alıp, a. Matris bitlikte-oluş (co-occurrence), ikinci ögede kodlu metnin yanında olan ilk ögede koldu metni arar b. Matris sıralama (sequence), ikincisinde kodlu metnin ardından geldiği ilkinde kodlu olan metni arar c. Matris kapsama (inclusion), ikincisinde kodlu metni tamamen içeren ilkinde kodlu metni arar Matris-olmayan versiyonlarda olduğu gibi, yeni node da hangi metnin kodlu olacağını seçme imkanı vardır: İlk ögede kodlu metin, ikinci ögede kodlu metin ya 172

173 da eğer uygunsa bunlar arasında kodlu metin (kombinasyonlarla birlikte) seçilebilir (Gibbs, 2002: 199). Ne zaman matris kesişmenin ve ne zaman matris birlikte-oluş un kullanılacağı Matris kesişme ve matris birlikte-oluş un artı ve eksileri matris-olmayan aramadakilere çok benzerdir. Matris kesişme, listelerden en azından birindeki ögeler geniş pasajları kodlamışsa iyi işler. Aramalar her ikisinde birden kodlu pasajlara odaklanır. Uygun öge örnekleri, belge yüklemeleri (attributes) ile geniş pasajları kodlamış node lardır. Bu aramalar eğer, her iki listedeki ögede birden metin kodlanmış ise iyi çalışır. Matris kesişme, geniş kodlamaya sahip node içeriğini daha daraltma ve daha sıkı tanımlanmış pasajlara dönüştürmenin bir yolu olarak da kullanılabilir. Ancak, örneğin A node unda kodlu metnin bir başka node da da kodlu olduğundan emin olunamaz. Bu gibi durumlarda matris birlikte-oluş kullanılabilir. Arama ögelerinin ikisinde kodlu olan metin üst üste binmiş değilse, birlikteoluş, matris kesişimde olduğu gibi node larda kodlu metni ayırmak için kullanılamaz. Ancak, istenilen şey her zaman bu olmayabilir. Birlikte-oluş arama yapıldığında, kesişen tüm metinlere ilave olarak ikinci ögede (ya da daha uygunsa ilkinde) kodlu tüm metne ulaşma imkânı vardır Sıfatlar projesinde oluşturulan matris tabloları Sıfatlar projesinde, örnek programın Arama Aracı ile Boolean arama seçenekleri içinde matris kesişim kullanılarak verilere ilişkin bazı soruşturmalar yapılmış ve bunların sonucunda matris tabloları elde edilmiştir. Bunların bazıları aşağıda sunulmaktadır. Aşağıdaki tablolarda sütunları cinsiyet yüklemesinde 173

174 kadın, erkek değerleri alan belgeler (cevaplayıcılar), öteyandan satırları, sıfat cinsi sözcükler ve bunlara yapılan yüklemeler oluşturmaktadır. Bu tip bir matris aramasıyla amacımız kadın ve erkekler arasında bir karşılaştırma yapmak değildir, zaten örneklemin dağılımı böyle bir karşılaştırmaya imkan vermemektedir. Ancak bu tablolar, program ile yapılabilecek matris aramalarına bir örnek olması amacıyla aşağıda sunulmuştur. Program matris arama sonucunda matris tablosu vermekte ve bu tabloda üstte yer alan araç çubuğundan Dosya (File) üzerine tıklanarak Export seçeneği ile bir Exel dosyasına aktarılabilmektedir. Aşağıdaki tablolar bu yolla oluşturulmuştur 6. Tablo4: Cinsiyete göre Anadolulu sözcüğüne yapılan yüklemeler Anadolulu Cinsiyeti = kadin Anadolulu/saf-temiz Anadolulu/kirsal kesim Anadolulu/geleneklerine bagli Anadolulu/medeniyet besigi 4 1 Anadolulu/Türk kültürü-türkiyeli Anadolulu/zengin kültür Anadolulu/diger Anadolulu/anadolu kültürü Anadolulu/anadoluda dogmus 18 7 Anadolulu/dogulu 10 8 Anadolulu/anadoluda yasayan Cinsiyeti = erkek 6 Bu tablolarda verilen rakamlar, yüklemelerin içinde geçtiği paragraf sayısını belirtmektedir. 174

175 Tablo5: Cinsiyete göre Avrupalı sözcüğüne yapılan yüklemeler Avrupalı Cinsiyeti = Cinsiyeti = erkek kadin Avrupali/rahat yasam Avrupali/farkli 7 6 Avrupali/maddiyatçi Avrupali/çagdas Avrupali/avrupada yasayan Avrupali/rasyonel 7 2 Avrupali/yenilikçi 3 0 Avrupali/ilerici 3 2 Avrupali/diger Avrupali/özgür 4 1 Avrupali/avrupa kültürü Avrupali/gelismis Avrupali/demokrat 3 8 Avrupali/avrupada dogmus 13 3 Avrupali/batili Avrupali/hümanist 8 4 Avrupali/bireyci 10 7 Avrupali/teknolojinin esiri 3 4 Avrupali/taklit edilen 9 5 Avrupali/özenti 7 9 Tablo6: Cinsiyete göre Modern sözcüğüne yapılan yüklemeler Modern Cinsiyeti = kadin Cinsiyeti = erkek Modern/yeniyi kabullenen Modern/degisiklikler 3 2 Modern/çagdas Modern/avrupali 3 7 Modern/özgür 2 1 Modern/gelismis Modern/degerleri yitirmis 5 6 Modern/geleneksel olmayan 1 7 Modern/teknoloji kullanan Modern/ilerleme-ilerici Modern/dogulu olmayan 1 0 Modern/diger Modern/demokrat

176 Tablo7: Cinsiyete göre Demokrat sözcüğüne yapılan yüklemeler Demokrat Cinsiyeti = kadin Cinsiyeti = erkek Demokrat/hosgörülü 22 5 Demokrat/düsünce özgürlügünden yana Demokrat/haklara saygili Demokrat/esitlikçi-özgürlükçü Demokrat/ilerici 7 4 Demokrat/çagdas 15 6 Demokrat/gereklerini uygulayan Demokrat/diger Demokrat/kullanan 6 7 Tablo8: Cinsiyete göre Dindar sözcüğüne yapılan yüklemeler Dindar Cinsiyeti = kadin Cinsiyeti = erkek Dindar/dinine bagli Dindar/dini sömüren 8 3 Dindar/muhafazakar 5 8 Dindar/yobaz Dindar/diger Dindar/gerçekten kaçan 5 5 Dindar/cahil

177 Çizelgeler ve şekiller Tablolar nitel veri analizinde önemli birer görsel araçtır. Ancak, araştırmacıların kullandıkları geniş sayıdaki çizelge ve şekillerin yalnızca bir kısmını oluşturur. Bunların çoğu basitçe kalem ve kâğıt kullanılarak oluşturulabilir. Temel fonksiyonları düşünceyi ve fikirleri açıklaştırmaya yardımcı olmaktır. Araştırma projesi boyunca, düşünce ve kavramsallaştırmayı özetlemek ve teorik fikirlerin gelişimini kaydetmek için kullanılabilirler. Bazıları verilerin nihai özetleri olmaya uygundur ve sonuç raporlarına dâhil edilebilir (Gibbs, 2002: 201). Seçtiğimiz program belli türde çizelge, şekiller ve modeller oluşturmak için çeşitli işlevlere sahiptir. Çizelgeler ve şekiller, verilerdeki geniş sayıdaki ilişkileri temsil etmek üzere kullanılabilirler. Çizelgeler genellikle, öge (item) ya da şeylere ve bunlar arasındaki ilinti ya da ilişkilerin görsel işaretlerine atıfta bulunan imajları içerirler. Örnek programdaki Model Gezgincisi (Explorer), node ları, belgeleri, kümeleri vb. temsil eden bir dizi ikona sahiptir. Bunların yanı sıra araştırmacı kendi oluşturduklarını kullanabilir. Örneğin, farklı fikirleri ya da farklı özellikleri temsil etmek üzere farklı ikonlar kullanılabilir. Ya da bu ögeler arasında farklı ilinti biçimlerini temsil eden farklı çizgi türleri kullanılabilir. Model Gezgincisinde ilintiler renklendirilebilir, yönlendirilebilir, farklı kalınlık ve isme sahip olabilirler. İlintilerdeki pozitif ya da negatif etkileri birbirinden ayırmak için ilintinin başlığında + ya da işareti kullanılabilir. Bir çizelgedeki oklar ya da bağlantı çizgileri çeşitli ilişki türlerini gösterir biçimde kullanılabilir. Böylece node lar arasındaki ilişkiler çizelge aracılığıyla gösterilebilir. Çizelgelerde gösterimlenebilecek en önemli şey akıştır. Akış bir dizi 177

178 koşula işaret edebilir. Örneğin, zaman akışını temsil edebilir ve bu durumda nedensel bağlantı nosyonuna yakınlaşır. Ancak aynı zamanda nesnelerin akışını da temsil edebilir. Örneğin çizelgelerle, bir kişi ya da organizasyonun çeşitli olay ve deneyimlere yönelik hareket gösterilebilir. Olay-durum ağı (network) buna bir örnektir. Akış, aynı zamanda mantıksal bir akışı temsil edebilir. Bunun en önemli örneği akış çizelgesi ya da karar çizelgesidir. Bunlarda ilintilemeler, insanların ya da sistemlerin neyi yapacakları ya da nasıl işleyeceklerini gösteren karar ya da aksiyonların akışını temsil eder. İlintilemeler aynı zamanda, şeyleri kategorileştirmede olduğu gibi insanlar tarafından sunulan aktüel ilişkileri temsil etmekte kullanılabilir. İlintilemelerin bu tip kullanımına örnek taksonomilerdir. Burada ilintiler, -nın bir örneği türünden fikirleri temsil eder (Gibbs, 2002: 202). Görüldüğü üzere çizelgeler, node ağacında (node tree) temsil edilebilecek olandan daha fazla fikre izin vermektedir. Böylece betimlenen şey ve onun anlamına ilişkin imgeleminizin serbest akışına imkan tanınmış olmaktadır. Bu çizelgelerin çoğu örnek programın Model Gezgincisi (Model Explorer) kullanılarak oluşturulabilir. Bazen bir çizelgeyi kalem ve kağıtla (ya da bir çizelge programıyla) oluşturmanın daha kolay olacağı düşünülebilir. Ancak, model ve çizelge oluşturmada örnek programı kullanmanın çok büyük bir avantajı vardır. Bir çizelgedeki elemanların tümü, ana projedeki ögelerle bağlantılandırılabilir. Sadece node lar, yüklemeler, belgeler, vakalar, kümeler ve memo lar gibi ögeler değil fakat modelde oluşturulan yeni ögeler ve ilintiler de ana projedeki ögelerle bağlantılandırılabilir. Örneğin oluşturulan modeldeki iki öge arasındaki ilişkiye ilişkin tereddüte düşülen bir fikir, projede yeni oluşturulan, ilintiyle ilgili fikirlerin yazılacağı bir memoyla 178

179 bağlantılandırılabilir. Modeldeki öge ya da ilintiden, bağlantı kurulan node ya da belgenin orijinal metnine kolayca gidilebilir. Örnek programın Model Gezgincisinde, çizelgelerdeki item ya da ilintilerin düzenlenişini değiştirmek ve bunların bir kopyasını saklamak oldukça kolaydır. Dolayısıyla Model Gezgincisinde oluşturulacak çizelge ve şekiller, verileri keşfetme ve fikirlerin gelişimini kaydetmenin güçlü bir aracıdır. Etki alanı (Domain) analizi Bu analiz, bazı terim ya da kavramların bir kültür ya da alt grup açısından ne anlama geldiğini inceler. Bir terimin gösterilenleri (referents) olarak cevaplayıcılar tarafından nelerin kullanıldığı ya da cevaplayıcıların kullandıkları kavram ve nesneleri nasıl sınıflandırdıkları incelenir. Şeylere ilişkin bu tarz sınıflandırmalar sıklıkla taksonomi olarak adlandırılır. Bu, nesneleri ve fikirleri tipler biçiminde düzenlemenin bir yoludur. Bu tipler, mutlak olarak dışlayıcı alt tipleri içerir. Taksonomiler şeyler arasındaki ilişkileri yakalar ve sıklıkla çizelge biçiminde ifade edilir. Bunların görünümü örnek programdaki ağaç (tree) node ların görünümüne benzer ancak bir taksonomide ögeler birden fazla görünemez (Gibbs, 2002: ). Örnek programın Model Gezgincisi kullanılarak, SIFATLAR isimli projede bu tip çizelgeler oluşturulmuştur. Bu çizelgelerin hazırlanmasında önceden oluşturmuş olduğumuz node lar kullanılmıştır. Daha önce de belirtildiği üzere, cevaplayıcılardan, 5 isim ve 5 sıfat cinsi kelimeden her birinin kendilerine neyi ya da neleri ifade ettiğini yanıtlamaları istenmiştir. Dolayısıyla analizimiz sırasında öncelikle, her bir kelimenin karşılığı olarak nelerin belirtilmiş olduğu kodlanmıştır. 179

180 Örneğin, Anadolu sözcüğü karşılığında ifade edilenler, aynı isimli ağaç (tree) node un çocuk (childnode) node ları olarak kodlanmıştır. Bu çocuk node lar cevaplayıcıların kendi göndergeleri (referents) kullanılarak oluşturulmuştur. Tüm kodlamalar tamamlandıktan sonra ise Model Gezgincisi kullanılarak aşağıdaki gibi taksonomik çizelgeler oluşturulmuştur. medeniyet besigi güzel doga mozaik cografi mekan stratejik epitetik metropol disi gelismemis ANADOLU köylü-saf-temiz kapali-birincil iliski batiya özenen geleneksel kimlik ezilen Türk örf-adet dogu yasadigim yer yurdumun kösesi Dogu-Bati arasi kimligim-benligim Şekil 70 Sıfatlar Projesinden Taksonomik Çizelge Örneği 180

181 Olay-durum ağları (event-state networks) Bu çizelgeler ögeler arasında nedensel etki ya da zamansal akışı göstermek amacıyla kullanılır. Bir dizi olay ve durumu tanıtan araştırma verileri ve bunların birbirleriyle ilişkileri bir çizelgede temsil edilir. Olaylar, genellikle kısa süreli ve bir kerelik oluşumlardır. Durumlar ise, daha uzun sürelidirler. İnsanlar durumlar içinde birden fazla kez bulunurlar. Ancak, bir şeyin olay mı, yoksa durum mu olduğu bazen açık olmayabilir. Bu ise önemli değildir, önemli olan olaylar ve durumlar olarak kategorize edilen fenomenler ve bunların bir çizelgede düzenlenmesini düşünme işinin kendisidir. Miles ve Huberman, olay-durum ağlarını bir olay listesi oluşturduktan sonra oluşturmanın kolay olacağını belirtirler (1994, den akt. Gibbs, 2002: 205). Hazırlanmış bir olay-durum listesinden (büyük ihtimalle ağaç node lardan oluşan) hareketle hazırlanacak çizelgede diktörtgen şeklindeki kutucuklar olaylar için ve elips şeklindekiler durumlar için kullanılabilir (Miles ve Huberman, 1994: 115). Bu kutucuklar oklar kullanılarak birbirleriyle ilintilenebilir. Bu okların kalınlığı ve yönü, etkinin yönü ve gücünü gösterir biçimde belirlenebilir. Araştırma projesiyle ilgili olarak, örnek programın Model Gezgincisi kullanılarak, örneğin aşağıdaki gibi bir çizelge oluşturulabilir: 181

182 rutin arama isi birakma isten çikarilma sözlesmenin bitmesi issiz kalma kariyer tavsiyesi egitim is arama görüsme is teklifi okuldan mezuniyet yeni sosyal aglar is bulma Şekil 71 Olay-durum ağları çizelge örneği (Gibbs, 2002: 206) Örnek Programın Model gezgincisi Programda çizelgeler ve şekiller oluşturma işlevi Model Gezgincisi olarak adlandırılmaktadır. Burada, düşüncelerinizi çizelgeleştirebileceğiniz çeşitli grafik ögeler ve ilintiler yer almaktadır. Daha önce de ifade edildiği üzere, elbette çizelgelerinizi kağıt ve kalem ya da diğer grafik yazılımlarını kullanarak oluşturabilirsiniz. Hatta çizelgelerden bazılarını program kullanarak hazırlamanız zor olabilir. Ancak, örnek programdaki Model Gezgincisinin merkezi önemdeki yararı şudur: modeldeki tüm ögeler projenizdeki node lar, belgeler ve memo lar gibi ögelerle ilintilendirilebilir. Model Gezgincisinin kullanımı 1- Proje Penceresinden (Project Pad) Modelleri Gez (Explore Models) düğmesine tıklanır 2- Model Gezgincisi açılır (şekil 72) 182

183 3- Mönüden Göster (View) i kullanılarak Grup (Group), Katmanlar (Layers) ve Öge Stilleri (Item Styles) paletleri açılabilir Modellerin listesi Model içeriği camı Modele ait tanımlama Şekil 72 Model Gezgincisi ve Tabaka, Stil ve Grup Pencereleri 183

184 Yeni bir model oluşturmak için 1- Model Gezgincisinde yeni model düğmesine tıklanır 2- Sol taraftaki model listesi bölümünde yeni bir dosya görünür ve sağ taraftaki model penceresinde boş bir model açılır Model bileşenleri belgeler, node lar, vakalar, kümeler ve yüklemeler ve diğer bir model olabilir. Modele aktarılan bu ögelere yeni isimler verilebilir. Bir node a modelde verilen yeni isim sadece burada geçerli olur, projenin diğer kısımlarında ismi aynı kalır. Modeldeki ögeler projeden aktarılmış ise bunların üzerindeyken sağ fare tuşuna tıklanarak açılan bağlamsal mönüden ögenin özelliklerine ve metnine ulaşılabilir. Modele öge ekleme 1- a- Belge ya da Node Gezgincisinden öge modele sürüklenir (yüklemeler haricindeki tüm ögeler için geçerlidir) ya da b- Model Gezgicisinin üst kısmındaki çubuk üzerinden ilgili düğmeye tıklanır 2- Gerekiyorsa ögeye yeni bir isim verilir. Bunun için ögenin adının üzerine çift tıklanıp, ardından yeni isim yazılır. Ögeler model içinde düzenlenebilir, çizgi ya da oklarla ilintilendirilebilir ve bunların stil ve renkleri belirlenebilir. İlintilere bir başlık konulabilir, bunlar çizginin üzerinde görünür. İlintileri, ögeler arasındaki geniş çeşitlilikte olabilecek bağlantıları göstermek üzere kullanılabilir: etkiliyor, dahil, neden oluyor, ilişkisi olabilir, bir türü, öncülük ediyor gibi. 184

185 Modelde iki ögeyi ilintileme 1- Modeldeki bir öge seçilir (ögenin üzerine bir kez tıklanır) 2- Mönü çubuğundan ilgili düğme tıklanıp ya da bağlamsal mönü (sağ fare tuşu) kullanılarak, çizgi, tek-yönlü ok ya da iki-yönlü ok seçeneklerinden biri seçilebilir ya da Yeni Stil (New Style) a tıklanarak yeni bir tanesi oluşturulabilir. 3- Bağlamsal mönü kullanılarak ilinti seçilmiş ise, zaten ilintilendirilecek ilk ögenin üzerinde olunduğundan, bu ögenin ilintileneceği ikinci ögenin üzerine tıklandığında seçilen/oluşturulan ilinti modelde belirir. Mönü çubuğu kullanılarak ilinti seçilmiş ise, önce ilk ögenin daha sonra ikinci ögenin üzerine tıklanır. 4- Ögeler hareket ettirildiğinde ilinti de bunlarla birlikte hareket edecektir. Ögelerin ve ilintilerin görünümü Özellikler (Properties) diyaloğu kullanılarak değiştirilebilir. Burada şu nokta önemlidir: Model Gezgincisindeki Özellikler diyaloğu örnek programdaki diğer bölümlerde yer alan ögelerin Özellikler inden farklıdır. Dolayısıyla, diyelim Node gezgincisinden bir node modele aktarıldığında bu node artık iki küme Özelliklere sahip olacaktır. Böylece, modelde node un biçimi, rengi değiştirilse bile, projedeki o node un özellikleri aynı kalacaktır. Öge Özelliklerini (properties) değiştirme 1- Öge ya da ilinti seçilir 2- Bağlamsal mönüsünden Özellikler (Properties) i seçilir. Eğer öge bir belge ya da node ise bunun listedeki ilk özellikler (properties) olmadığına dikkat edilmesi gerekir. Listede daha alt sıralarda yer alan Özellikler (Properties) seçeneğine tıklanır 185

186 3- Öge ya da ilintinin Özellikler (Properties) penceresi açılır 4- Bu pencereden öge ya da ilintinin rengi ve biçimi değiştirilebilir. Bir ilintinin örnek program projesindeki bir başka ögeye atıfta bulunması (refer) Modeldeki bir ilinti, diyelim, bu ilinti hakkındaki düşüncelerin yazıldığı bir memo ya atıfta bulunabilir. Bunun için: 1- İlintinin bağlamsal mönüsünü kullanarak Temsil (Represents) seçeneğine tıklanır ve ardından 2- Atıfta bulunmak istenilen nesne (belge, node vs.) seçilir Şimdi artık ilintinin bağlamsal mönüsü tıklandığında, daha önce yer almayan dört ilave seçeneğin listenin başında belirdiği görülür. Burada atıfta bulunulan nesnenin (belgenin, node un vs.) özelliklerine, metnine, memo larına ve kodlu bulunduğu belge ya da node lara ulaşmayı sağlayan seçenekler belirmiştir. Geniş modellerle başa çıkma Oluşturacak modeller oldukça geniş ve karmaşık olabilir. Böyle geniş modellerle başa çıkabilmek için Model Gezgincisinde çeşitli işlevler yer almaktadır: stiller, gruplar ve katmanlar (layers). Stiller, öge ya da ilinti özelliklerinin bir kombinasyonunu bir isim altında biraraya getirir ve bir modeldeki ögelerin ya da ilintilerin kolayca biçimlendirilmesini sağlar. Bunlar, Word de yer alan stillere oldukça benzer biçimde çalışmaktadır. Model Gezgincisindeki stiller bir ögenin rengi, biçimi, kalınlığı, metin biçimi ve bir ilintinin rengi, ok yönü, çizgi stili, kalınlığı ve metin stili hakkındaki 186

187 enformasyonu birleştirir. Araçlar (Tools) mönüsünden erişilen Öge Stilleri (Item Styles) ya da İlinti Stilleri (Link Styles) kullanılarak stiller kurulabilir ve değiştirilebilir. Bir kez bir stil oluşturulduğunda bu, bir öge ya da ilintiye bağlamsal mönü kullanılarak uygulanabilir. Bağlamsal mönüde, erişilebilir tüm stiller hiyerarşik biçimde listelenir. Gruplar, ögeleri bir seferde tümüne ulaşılabilecek şekilde bir araya getirmenin bir yoludur. Birçok ögeyi bir seferde seçebilmek, model düzenlenirken yararlıdır çünkü hepsini birden taşıyabilme imkanı sunar. Grup hareket ettirildiğinde ilintilerin tümü ögelerin yeni pozisyonuna uyar. Grupları kullanmak aynı zamanda, ortak özelliğe sahip ögeleri (Ör. Kadın cevaplayıcılara ait tüm belgeler) çabukça tespit etmenin de bir yoludur. Ögeler birden fazla gruba ait olabilirler. Katmanlar (layers) geniş, karmaşık modellerle başa çıkmanın en güçlü yoludur çünkü ögeleri ve ilintileri gösterme ve gizleme imkanı sunmaktadır. Bir öge ya da ilinti bir ya da daha fazla tabakaya atanabilir; böylece, Katmanlar paleti kullanılarak katmanların kombinasyonları gizlenebilir ya da gösterilebilir. Bir katman gösterildiğinde bu katmanda yer alan ögelere ait ilintiler görüntülenir fakat katmanda yer almayan ögelerin ilintileri görüntülenmez. Geniş modellerle çalışırken tabakalar çeşitli biçimlerde kullanılabilir. Eğer çok fazla ilinti var ise belli türdeki ilintiler ayrı bir katmana yerleştirilip, istenildiği zaman gizlenmesi ya da gösterilmesi sağlanabilir. Aynı işlem ögeler için de yapılabilir. Bir modelin büyüklüğünü kontrol etmenin diğer bir yolu ise bazı parçalarını altmodel biçiminde özetlemektir. Modelin içine yerleştirileceği model ikonu ile altmodel gösterimlenebilir. Bu altmodele ait tüm ögeler ayrı olarak yeni bir model penceresinde gösterilir. Böylece eğer ekran yeterince genişse iki model aynı anda 187

188 görülebilir ve bunlar arasında gezinilebilir. Ancak bu modellerde yer alan ögeler birbirleriyle ilintilendirilemez. Yeni bir stil kurmak için 1- Bir ögenin üzerine tıklayıp, mönü çubuğundan Öge/İlinti/Stil: Yeni Stil (Item/Link: Style:New Style) ı seçilir 2- Öge Stil Özellikleri (Item Style Properties) diyaloğu açılır. Burada Genel (General) ve Görünüm (Appearence) olmak üzere iki bölüm vardır 3- Bunlar kullanılarak istenilen stil belirlenir (şekil 73) Şekil 73 Öge Stil Özellikleri (Item Style Properties) Diyaloğu, sağda Görünüm (Appearence) ve solda Genel (General) bölümleri 188

189 Sıfatlar projesinde oluşturulan modeller ve tablolar SIFATLAR projesinde oluşturmuş bulunduğumuz modellerin bir kısmını yukarıda örneğini sunduğumuz taksonomi çizelgeleri oluşturmaktadır. Bu çizelgede yer alan nitelemeler projede oluşturduğumuz node lardan oluşmaktadır. Sıfatlar projesinde node larımızı oluşturma tarzımız daha önce ifade edildiği üzere ağaç (tree) node biçiminde gelişmiştir. Buna göre önce, Anadolu adlı bir ağaç node oluşturulup ardından 500 cevaplayıcının bu sözcüğün kendilerine neyi ifade ettiğini bildiren yanıtlarından hareketle bu node un çocuknode ları oluşturulmuştur. Anadolu node una ait çocuknode ları oluştururken şöyle bir yol izlenmiştir: Tek tek 500 cevaplayıcının yanıtları içinden Anadolu sözcüğüne yüklenen nitelemeler içinde tekrar eden ifadeler için bir çocuknode oluşturulmuş ve benzer nitelemeler bu çocuknode a kodlanmıştır. Örneğin, medeniyet beşiği adlı çocuknode a, cevaplayıcıların yanıtlarında aynı nitelemenin çeşitli ifade biçimleri olarak tekrar eden medeniyet beşiği, büyük medeniyetlerin oluşum yeri, medeniyetlerin havzası, eski medeniyetler gibi ifadeler kodlanmıştır. Bu yolla Anadolu node una ait toplam 15 çocuknode oluşturulmuştur. Bunlar aşağıda görüldüğü üzere Node Gezgincisinde listelenmektedir. 189

190 Şekil 74 Node Gezgincisinde Anadolu node unun çocuk node ları Node Gezgincisinin sol tarafında Sıfatlar projesinde oluşturulan tüm node lar listesinde Anadolu adlı node un seçili halde bulunduğu ve sağ tarafta bu node un çocuknode larının yer aldığı görülmektedir. Yine sağ taraftaki alt bölmede, Anadolu node una ait enformasyon ve node betimlemesi bulunmaktadır. Burada bu node a ait 15 çocuknode un bulunduğu belirtilmektedir. Sıfatlar projesinde yaptığımız kodlama, cevaplayıcılara soru olarak yöneltilmiş her bir sözcüğün baştan birer kategori olarak belirlenmiş olduğu hiyerarşik bir kodlama biçiminde gelişmiştir. Ancak, tez konumuz bilgisayar destekli nitel veri analizi olduğundan, amacımız geniş örneklemden açık-uçlu sorularla elde edilmiş verilerin programın sunduğu olanaklar çerçevesinde analizine 190

Nitel Araştırmada Geçerlik ve Güvenirlik

Nitel Araştırmada Geçerlik ve Güvenirlik Nitel Araştırmada Geçerlik ve Bilimsel araştırmanın en önemli ölçütlerinden biri olarak kabul edilen geçerlik ve güvenirlik araştırmalarda en yaygın olarak kullanılan iki en önemli ölçüttür. Araştırmalarda

Detaylı

Soyolojik Soru Sorma ve Cevaplama

Soyolojik Soru Sorma ve Cevaplama Soyolojik Soru Sorma ve Cevaplama Lütfi Sunar Sosyolojiye Giriş / 3. Ders Bilgi Türleri Thomson ve Hickey e göre beş tür bilgi mevcuttur: 1. Sınama yanılma yoluyla elde edilen deneyim (experience). bilgiyi

Detaylı

Temellendirilmiş teori nedir?

Temellendirilmiş teori nedir? Temellendirilmiş Teori Nedir? Temellendirilmiş teori nedir? Temellendirilmiş teori antropoloji,sosyoloji,sağlık hizmetleri ve birçok diğer alanda araştırmacılar tarafından benimsenmiş popüler bir araştırma

Detaylı

Bilimsel Araştırma Yöntemleri

Bilimsel Araştırma Yöntemleri Bilimsel Araştırma Yöntemleri Nitel Araştırma Modelleri 1 Neler Öğreneceğiz? Nitel Araştırma Yöntemleri Durum Çalışması Olgubilim Etnografya 2 1 Nitel Araştırmalar Nicel yaklaşım ve sosyal bilimler? Sınav

Detaylı

Sosyal Bilimlerde Araştırma Yöntemleri. Bölüm 14. NİTEL ARAŞTIRMA DESENLERİ VE NİTEL VERİ ANALİZİ Sait Gürbüz - Faruk Şahin

Sosyal Bilimlerde Araştırma Yöntemleri. Bölüm 14. NİTEL ARAŞTIRMA DESENLERİ VE NİTEL VERİ ANALİZİ Sait Gürbüz - Faruk Şahin Sosyal Bilimlerde Araştırma Yöntemleri Bölüm 14 NİTEL ARAŞTIRMA DESENLERİ VE NİTEL VERİ ANALİZİ Sait Gürbüz - Faruk Şahin Öğrenim Kazanımları Bu bölümü okuyup anladığınızda; 1. Nitel araştırmanın ne anlama

Detaylı

İÇİNDEKİLER KISIM I SİSTEMATİK YAKLAŞIM

İÇİNDEKİLER KISIM I SİSTEMATİK YAKLAŞIM İÇİNDEKİLER KISIM I SİSTEMATİK YAKLAŞIM 1 BİLİM DİSİPLİN ARAŞTIRMA... 3 1. BİLİM NEDİR?... 3 2. DİSİPLİN NEDİR?... 6 3. DOĞA BİLİMLERİ VE SOSYAL BİLİMLER ARASINDAKİ TEMEL FARK... 7 4. ARAŞTIRMA NEDİR?...

Detaylı

DURUM ÇALIŞMASI. Aysun Ö. KAPLAN

DURUM ÇALIŞMASI. Aysun Ö. KAPLAN DURUM ÇALIŞMASI Aysun Ö. KAPLAN Durum Çalışması Case study Örnek olay Vaka araştırması Özel durum çalışması Bir araştırma yöntemi olarak tarihçesi; 1920 lerden sonra Sosyoloji ve Antropoloji gibi alanların

Detaylı

Nitel Araştırma. Süreci

Nitel Araştırma. Süreci EBE AE 602 Nitel Araştırma Süreci Nitel Araştırma Süreci Örneklem Seçimi Nitel Araştırma Süreci ve Örneklem Seçimi Nitel araştırma esnek bir araştırma deseni yaklaşımını gerektirir. Başta ortaya çıkan

Detaylı

FEN EĞİTİMİNDE ARAŞTIRMA YÖNTEMLERİ

FEN EĞİTİMİNDE ARAŞTIRMA YÖNTEMLERİ FBE-YL/2015-2015 Ders Notları 4 FEN EĞİTİMİNDE ARAŞTIRMA YÖNTEMLERİ Araştırma Modeli ve Türleri Dr. Aysun ÖZTUNA KAPLAN Araştırma Modeli } Araştırma modeli, araştırmanın amacına uygun ve ekonomik olarak

Detaylı

Araştırma Problemleri: Problem İfadeleri, Araştırma Soruları ve Hipotezler

Araştırma Problemleri: Problem İfadeleri, Araştırma Soruları ve Hipotezler Araştırma Problemleri: Problem İfadeleri, Araştırma Soruları ve Hipotezler Araştırma Problemleri Problem Belirleme Kaynakları Genel problem Yapısı Problem Oluşturmanın Önemi Nicel Problem Oluşturma 1-

Detaylı

Öğrenim Kazanımları Bu programı başarı ile tamamlayan öğrenci;

Öğrenim Kazanımları Bu programı başarı ile tamamlayan öğrenci; Image not found http://bologna.konya.edu.tr/panel/images/pdflogo.png Ders Adı : SAHA ARAŞTIRMA METOD VE TEKNİKLERİ Ders No : 0020090021 Teorik : 3 Pratik : 0 Kredi : 3 ECTS : Ders Bilgileri Ders Türü Öğretim

Detaylı

NİCEL VE NİTEL ARAŞTIRMA YÖNTEMLERİ

NİCEL VE NİTEL ARAŞTIRMA YÖNTEMLERİ NİCEL VE NİTEL ARAŞTIRMA YÖNTEMLERİ TC AFYON KOCATEPE ÜNİVERSİTESİ ÇAY MESLEK YÜKSEKOKULU İŞLETME YÖNETİMİ PROGRAMI YÖNETİM VE ORGANİZASYON BÖLÜMÜ BİLİMSEL ARAŞTIRMA YÖNTEMLERİ DERSİ NİCEL VE NİTEL ARAŞTIRMA

Detaylı

Süreklilik Göstergesi. Kavram Haritaları. Etkileşim Göstergesi. Problem/Çözüm Göstergesi Karşılaştırma Matrisi. (Anlam Çözümleme Tablosu)

Süreklilik Göstergesi. Kavram Haritaları. Etkileşim Göstergesi. Problem/Çözüm Göstergesi Karşılaştırma Matrisi. (Anlam Çözümleme Tablosu) Kavram Haritaları Hiyerarşik KH Hiyerarşik Olmayan KH ( Ağ, Örümcek Harita) Zincir KH Sınıflandırma Haritası Vee Diyagramları Neden-Sonuç Diyagramları Balık Kılçığı Döngü Göstergesi Olay Zinciri Dizileri

Detaylı

Araştırma Metodları ve İletişim Becerileri (MMR 501) Ders Detayları

Araştırma Metodları ve İletişim Becerileri (MMR 501) Ders Detayları Araştırma Metodları ve İletişim Becerileri (MMR 501) Ders Detayları Ders Adı Ders Kodu Dönemi Ders Saati Uygulama Saati Laboratuar Saati Kredi AKTS Araştırma Metodları ve İletişim Becerileri MMR 501 Her

Detaylı

T.C. DÜZCE ÜNİVERSİTESİ Sosyal Bilimler Enstitüsü. Eğitim Bilimleri Tezli Yüksek Lisans Programı Öğretim Planı. Ders Kodları AKTS

T.C. DÜZCE ÜNİVERSİTESİ Sosyal Bilimler Enstitüsü. Eğitim Bilimleri Tezli Yüksek Lisans Programı Öğretim Planı. Ders Kodları AKTS Ders T.C. DÜZCE ÜNİVERSİTESİ Sosyal Bilimler Enstitüsü Eğitim Bilimleri Tezli Yüksek Lisans Programı Öğretim Planı Tablo 1. ve Kredi Sayıları I. Yarıyıl Ders EPO501 Eğitimde Program Geliştirme 3 0 3 8

Detaylı

BİLİMSEL ARAŞTIRMA YÖNTEMLERİ EYLEM ARAŞTIRMASI

BİLİMSEL ARAŞTIRMA YÖNTEMLERİ EYLEM ARAŞTIRMASI BİLİMSEL ARAŞTIRMA YÖNTEMLERİ EYLEM ARAŞTIRMASI 1 KAZANIMLAR Eylem araştırmalarının ortaya çıkış nedenini ve felsefi temelini açıklayabileceğiz Eylem araştırmalarının araştırma sorularını belirleyebileceğiz

Detaylı

ARAŞTIRMA YAKLAŞIM - DESEN ve YÖNTEMLERİ

ARAŞTIRMA YAKLAŞIM - DESEN ve YÖNTEMLERİ Epistemolojik Açıdan Bilgi Nedir? ARAŞTIRMA YAKLAŞIM - DESEN ve YÖNTEMLERİ 1. Grup: İnsanların hepsinin üzerinde birleşeceği bir bilgi olabilir. Örneğin deney yolu ile elde edilen bilimsel bilgi. Olgularla

Detaylı

ARAŞTIRMA. YAKLAŞIM - DESEN ve YÖNTEMLERİ. Gerçeğe nasıl ulaşırız? Epistemolojik Açıdan Bilgi Nedir? Ontolojik Açıdan Gerçek Nedir?

ARAŞTIRMA. YAKLAŞIM - DESEN ve YÖNTEMLERİ. Gerçeğe nasıl ulaşırız? Epistemolojik Açıdan Bilgi Nedir? Ontolojik Açıdan Gerçek Nedir? Epistemolojik Açıdan Bilgi Nedir? ARAŞTIRMA YAKLAŞIM - DESEN ve YÖNTEMLERİ 1. Grup: İnsanların hepsinin üzerinde birleşeceği bir bilgi olabilir. Örneğin deney yolu ile elde edilen bilimsel bilgi. Olgularla

Detaylı

ARA TIRMA YAKLA IM - DESEN ve YÖNTEMLER

ARA TIRMA YAKLA IM - DESEN ve YÖNTEMLER ARA TIRMA YAKLA IM - DESEN ve YÖNTEMLER Epistemolojik Açıdan Bilgi Nedir?!!! Ontolojik Açıdan Gerçek Nedir?! Gerceğe nasıl ulaşırız?! Gerçeğe nasıl ulaşırız?! ARA TIRMA YAKLA IMI - DESEN - YÖNTEM? " "

Detaylı

BÖLÜM 4 FREKANS DAĞILIMLARININ GRAFİKLE GÖSTERİLMESİ

BÖLÜM 4 FREKANS DAĞILIMLARININ GRAFİKLE GÖSTERİLMESİ BÖLÜM 4 FREKANS DAĞILIMLARININ GRAFİKLE GÖSTERİLMESİ Frekans dağılımlarının betimlenmesinde frekans tablolarının kullanılmasının yanı sıra grafik gösterimleri de sıklıkla kullanılmaktadır. Grafikler, görselliği

Detaylı

Bilim ve Bilimsel Araştırma

Bilim ve Bilimsel Araştırma Bilim ve Bilimsel Araştırma Bilim nedir? Scire / Scientia Olaylar ve nesneleri kavramak, tanımak ve sınıflandırmak üzere çözümleyen, olgular arasındaki nesnellik ilişkilerini kuran, bu ilişkileri deney

Detaylı

BİLİMSEL ARAŞTIRMA SÜRECİ ve BECERİLERİ

BİLİMSEL ARAŞTIRMA SÜRECİ ve BECERİLERİ 3/14/12 BİLİMSEL ARAŞTIRMA SÜRECİ ve BECERİLERİ Olay ve nesnelerin hareketlerinin duyu organlarının kullanılması ile doğal ortamlarında izlenmesidir. İki türlü gözlem vardır; a) Kontrollü gözlem (Deney)

Detaylı

İÇİNDEKİLER. Çeviri Ekibi /5 Çeviri Önsözü / 6 Şekiller Listesi / 8 Tablolar listesi / 9 Ayrıntılı İçerik / 10

İÇİNDEKİLER. Çeviri Ekibi /5 Çeviri Önsözü / 6 Şekiller Listesi / 8 Tablolar listesi / 9 Ayrıntılı İçerik / 10 İÇİNDEKİLER Çeviri Ekibi /5 Çeviri Önsözü / 6 Şekiller Listesi / 8 Tablolar listesi / 9 Ayrıntılı İçerik / 10 1. Bölüm: Karma Yöntem Araştırmalarının Doğası / 1 2. Bölüm: Karma Yöntem Araştırmalarının

Detaylı

Türkiye de Biyoloji Eğitimi. Türkiye de Biyoloji Eğitimi İÇERİK

Türkiye de Biyoloji Eğitimi. Türkiye de Biyoloji Eğitimi İÇERİK 24.3.215 TÜRKİYE DE BİYOLOJİ EĞİTİMİ ALANINDA YAPILAN ARAŞTIRMALARA YÖNELİK BİR İÇERİK ANALİZİ ÇALIŞMASI İÇERİK Biyoloji Eğitimi ŞEYDA GÜL Atatürk Üniversitesi K.K. Eğitim Fak. Biyoloji Eği t i m i MUSTAFA

Detaylı

DENEYSEL DESENLER GERÇEK DENEYSEL DESENLER YARI DENEYSEL DESENLER FAKTÖRYEL DESENLER ZAYIF DENEYSEL DESENLER

DENEYSEL DESENLER GERÇEK DENEYSEL DESENLER YARI DENEYSEL DESENLER FAKTÖRYEL DESENLER ZAYIF DENEYSEL DESENLER DENEYSEL DESENLER ZAYIF DENEYSEL DESENLER GERÇEK DENEYSEL DESENLER YARI DENEYSEL DESENLER FAKTÖRYEL DESENLER YARI DENEYSEL DESENLER Hazır gruplar üzerinde ancak grup eşleştirmenin olduğu seçkisiz atamanın

Detaylı

2 PARADİGMALAR IŞIĞINDA BİLİMSEL ARAŞTIRMA ANLAYIŞLARI

2 PARADİGMALAR IŞIĞINDA BİLİMSEL ARAŞTIRMA ANLAYIŞLARI ÖNSÖZ İÇİNDEKİLER III Bölüm 1 BİLİM ve ARAŞTIRMA 11 1.1. Bilim 12 1.2. Bilimin Temel Özellikleri 13 1.3. Bilimin Dallarının Sınıflandırılması 13 1.3.1. Aksiyomatik Bilimler 13 1.3.2. Pozitif Bilimler 15

Detaylı

ARAŞTIRMA ve BİLİMSEL ARAŞTIRMA TÜRLERİ

ARAŞTIRMA ve BİLİMSEL ARAŞTIRMA TÜRLERİ ARAŞTIRMA ve BİLİMSEL ARAŞTIRMA TÜRLERİ Bilimsel Araştırma Problemlere güvenilir çözümler aramak amacıyla planlı ve sistemli olarak, verilerin toplanması, analizi, yorumlanarak değerlendirilmesi ve rapor

Detaylı

DAVRANIŞ BİLİMLERİNE GİRİŞ

DAVRANIŞ BİLİMLERİNE GİRİŞ DAVRANIŞ BİLİMLERİNE GİRİŞ DAVRANIŞIN TANIMI Davranış Kavramı, öncelikle insan veya hayvanın tek tek veya toplu olarak gösterdiği faaliyetler olarak tanımlanabilir. En genel anlamda davranış, insanların

Detaylı

Hazırlayan: Prof.Dr.Çiler Dursun A.Ü.DTCF 2.Atölye

Hazırlayan: Prof.Dr.Çiler Dursun A.Ü.DTCF 2.Atölye Hazırlayan: Prof.Dr.Çiler Dursun 01.09.2014- A.Ü.DTCF 2.Atölye cdursun@ankara.edu.tr 1 Henüz araştırılmamış bir alanda yeni bir bilgi ortaya koymak yada Çalışılmış bir alanında farklı bileşenler, öğeler,

Detaylı

TEMEL KAVRAMLAR. BS503 ARAŞTIRMA YÖNTEMLERİ 1. seminer PROF. DR. SALİH OFLUOĞLU MSGSÜ ENFORMATİK BÖLÜMÜ BİLGİSAYAR ORTAMINDA SANAT VE TASARIM 1

TEMEL KAVRAMLAR. BS503 ARAŞTIRMA YÖNTEMLERİ 1. seminer PROF. DR. SALİH OFLUOĞLU MSGSÜ ENFORMATİK BÖLÜMÜ BİLGİSAYAR ORTAMINDA SANAT VE TASARIM 1 TEMEL KAVRAMLAR 1. seminer PROF. DR. SALİH OFLUOĞLU MSGSÜ ENFORMATİK BÖLÜMÜ BİLGİSAYAR ORTAMINDA SANAT VE TASARIM 1 ARAŞTIRMA Neden araştırma yapılır? Araştırma sorularına yanıt bulmak Araştırma problemlerinin

Detaylı

Çeviriye önsöz... xi Önsöz... xii Teşekkür... xv Kitabı kullanmanın yolları... xvii. Ortamı hazırlamak... 1

Çeviriye önsöz... xi Önsöz... xii Teşekkür... xv Kitabı kullanmanın yolları... xvii. Ortamı hazırlamak... 1 İÇİNDEKİLER Çeviriye önsöz... xi Önsöz... xii Teşekkür... xv Kitabı kullanmanın yolları... xvii K I S I M I... 1 Ortamı hazırlamak... 1 B Ö L Ü M 1... 3 Giriş... 3 Gerçek dünya araştırması nedir?... 3

Detaylı

BİLİMSEL ARAŞTIRMA YÖNTEMLERİ. Nitel Araştırma Yöntemleri

BİLİMSEL ARAŞTIRMA YÖNTEMLERİ. Nitel Araştırma Yöntemleri BİLİMSEL ARAŞTIRMA YÖNTEMLERİ Nitel Araştırma Yöntemleri Başlıca iki araştırma metodolojisi vardır: niceliksel araştırma (quantitative research) ve niteliksel araştırma (qualitative research) Biyoloji,

Detaylı

Nitel Veri Analizinde Bilgisayar Programları Kullanılması

Nitel Veri Analizinde Bilgisayar Programları Kullanılması Nitel Veri Analizinde Bilgisayar Programları Kullanılması Nitel Veri Analizinde Bilgisayar Programları Kullanılması Semra COŞGUN İLGAR 1 ve M. Zeki İLGAR 2 ÖZET Günümüzde özellikle sosyal bilimler alanında

Detaylı

D 3 KURAM VE ARAŞTIRMA. Neumann, 2000 Chapter 3, 4

D 3 KURAM VE ARAŞTIRMA. Neumann, 2000 Chapter 3, 4 D 3 KURAM VE ARAŞTIRMA Neumann, 2000 Chapter 3, 4 KURAM (TEORİ) Her kuram NEDEN ve NASIL sorularına yanıt vermeye çalışır! Bir kuram ortaya koyan kişinin bilime ve topluma katkısı nedir? İleri sürülen

Detaylı

BÖLÜM 13 HİPOTEZ TESTİ

BÖLÜM 13 HİPOTEZ TESTİ 1 BÖLÜM 13 HİPOTEZ TESTİ Bilimsel yöntem aşamalarıyla tanımlanmış sistematik bir bilgi üretme biçimidir. Bilimsel yöntemin aşamaları aşağıdaki gibi sıralanabilmektedir (Karasar, 2012): 1. Bir problemin

Detaylı

TÜRKÇE ANABİLİM DALI TÜRKÇE EĞİTİMİ BİLİM DALI YÜKSEK LİSANS PROGRAMI 2011 2012 EĞİTİM ÖĞRETİM PLANI

TÜRKÇE ANABİLİM DALI TÜRKÇE EĞİTİMİ BİLİM DALI YÜKSEK LİSANS PROGRAMI 2011 2012 EĞİTİM ÖĞRETİM PLANI TÜRKÇE ANABİLİM DALI TÜRKÇE EĞİTİMİ BİLİM DALI YÜKSEK LİSANS PROGRAMI 2011 2012 EĞİTİM ÖĞRETİM PLANI GÜZ YARIYILI DERSLERİ Dersin Kodu Dersin Adı T U K Dersin Türü TEA 500* Seminer 020 Zorunlu TEA 501

Detaylı

1. BETİMSEL ARAŞTIRMALAR

1. BETİMSEL ARAŞTIRMALAR ARAŞTIRMA MODELLERİ 1. BETİMSEL ARAŞTIRMALAR A. BETİMLEME (KAMUOYU) ARAŞTIRMALARI Bir survey yöntemi olan betimleme yöntemi, grupla ilgili, genişliğine bir çalışmadır. Bu tür araştırmalar, çok sayıda

Detaylı

D 2 ARAŞTIRMANIN ÇEŞİTLİ BOYUTLARI. Neumann (2000): Chapter 2 Arslan ve Ökten (1994):sf.1-17

D 2 ARAŞTIRMANIN ÇEŞİTLİ BOYUTLARI. Neumann (2000): Chapter 2 Arslan ve Ökten (1994):sf.1-17 D 2 ARAŞTIRMANIN ÇEŞİTLİ BOYUTLARI Neumann (2000): Chapter 2 Arslan ve Ökten (1994):sf.1-17 MANTIK YÜRÜTME YÖNTEMİ -YOLU TÜMDENGELİM TÜMEVARIM KURAM HİPOTEZ TEST (gözlem) OLGU Duyularımızla elde ettiğimiz

Detaylı

Veri Toplama Teknikleri

Veri Toplama Teknikleri A. Gözlem Yoluyla Veri Toplama Teknikleri B. Soruşturma Yoluyla Nicel Veri Toplama Teknikleri Yazılı Soruşturma Tekniği Anket, Başarı Testi Yapılandırılmış Gözlem Önceden hazırlanmış göstergeler ve semboller

Detaylı

Veysi Acar Muhammed Fevzi PARMAKSIZ Murat Çiftçi Reşat şilen

Veysi Acar Muhammed Fevzi PARMAKSIZ Murat Çiftçi Reşat şilen Veysi Acar Muhammed Fevzi PARMAKSIZ Murat Çiftçi Reşat şilen Gelişimsel araştırma ontolojik ve epistemolojik olarak nitel araştırma yaklaşımına dayalı araştırma yöntemlerinden biridir. Nitel araştırmada

Detaylı

Yaş Doğrulama Metotları

Yaş Doğrulama Metotları Yaş Doğrulama Metotları Yrd. Doç. Dr. Aysun GÜMÜŞ Ondokuzmayıs Üniversitesi, Fen Edebiyat Fakültesi, Biyoloji Bölümü, Samsun Birçok kemikleşmiş yapı günlük ve yıllık periyodik birikimler oluşturmak suretiyle

Detaylı

Araştırma Sorununu Tanımlama ve Hipotez Kurma

Araştırma Sorununu Tanımlama ve Hipotez Kurma Araştırma Sorununu Tanımlama ve Hipotez Kurma Yaşar Tonta H.Ü. Bilgi ve Belge Yönetimi Bölümü tonta@hacettepe.edu.tr http://yunus.hacettepe.edu.tr/~tonta/tonta.html Araştırma Araştırma tasarımında üzerinde

Detaylı

OKUL DEĞERLENDİRME Teor, Araştırma ve Uygulama. Selahatt n Turan Gökhan Zıngıl

OKUL DEĞERLENDİRME Teor, Araştırma ve Uygulama. Selahatt n Turan Gökhan Zıngıl OKUL DEĞERLENDİRME Teor, Araştırma ve Uygulama Selahatt n Turan Gökhan Zıngıl Selahattin TURAN Gökhan ZINGIL ISBN 978-605-364-659-4 (0312-394 55 90) ÖN SÖZ Okul değerlendirme, okulda yapılan faaliyetlerin

Detaylı

A. BİÇİME İLİŞKİN ANALİZ VE DEĞERLENDİRME

A. BİÇİME İLİŞKİN ANALİZ VE DEĞERLENDİRME Y. Mimar Emrah ACAR ın Doktora Tez Çalışmasına İlişkin Rapor 18 Nisan 2005 A. BİÇİME İLİŞKİN ANALİZ VE DEĞERLENDİRME 1. Çalışmanın Bölümleri Aday tarafından hazırlanarak değerlendirmeye sunulan doktora

Detaylı

A.Hilal Batı 10.03.2004

A.Hilal Batı 10.03.2004 Nitel Araştırma rma YöntemleriY A.Hilal Batı 10.03.2004 Bilim ve Araştırma rma Bilgi (knowledge) Bilme, öğrenme süreci ve işleminin konusu ya da nesne ve olaylara yüklemler vererek varılan yargı Başka

Detaylı

Bilimsel Araştırma Yöntemleri I

Bilimsel Araştırma Yöntemleri I İnsan Kaynakları Yönetimi Bilim Dalı Tezli Yüksek Lisans Programları Bilimsel Araştırma Yöntemleri I Dr. M. Volkan TÜRKER 7 Bilimsel Araştırma Süreci* 1. Gözlem Araştırma alanının belirlenmesi 2. Ön Bilgi

Detaylı

Öğrenim Kazanımları Bu programı başarı ile tamamlayan öğrenci;

Öğrenim Kazanımları Bu programı başarı ile tamamlayan öğrenci; Image not found http://bologna.konya.edu.tr/panel/images/pdflogo.png Ders Adı : UYGULAMALI SAHA ARAŞTIRMALARI Ders No : 0020090028 Teorik : 2 Pratik : 2 Kredi : 4 ECTS : 6 Ders Bilgileri Ders Türü Öğretim

Detaylı

İçindekiler. 1 Başarılı Okullar İçin Denetim/1. 2 Norm: Geleneksel Okullar Neden Böyle? / Devingen Okullar / 33. Kısım 1 Giriş.

İçindekiler. 1 Başarılı Okullar İçin Denetim/1. 2 Norm: Geleneksel Okullar Neden Böyle? / Devingen Okullar / 33. Kısım 1 Giriş. İçindekiler Kısım 1 Giriş 1 Başarılı Okullar İçin Denetim/1 Denetim (SuperVision): Yeni Bir Paradigma İçin Yeni Bir İsim / 7 Başarı İçin Bir Metafor Olarak Denetimsel Yapıştırıcı / 8 Denetimden Kim Sorumludur?

Detaylı

VERİ TOPLMA ARAÇLARI

VERİ TOPLMA ARAÇLARI VERİ TOPLMA ARAÇLARI GÖZLEM GÖRÜŞME ANKET ANKET Anket, insanların yaşam koşullarını, davranışlarını, inançlarını veya tutumlarını betimlemeye yönelik bir dizi sorudan oluşan bir araştırma materyalidir.

Detaylı

225 ARAŞTIRMA YÖNTEMLERİ. Yrd. Doç. Dr. Dilek Sarıtaş-Atalar

225 ARAŞTIRMA YÖNTEMLERİ. Yrd. Doç. Dr. Dilek Sarıtaş-Atalar 225 ARAŞTIRMA YÖNTEMLERİ Yrd. Doç. Dr. Dilek Sarıtaş-Atalar Bilgi Nedir? Bilme edimi, bilinen şey, bilme edimi sonunda ulaşılan şey (Akarsu, 1988). Yeterince doğrulanmış olgusal bir önermenin dile getirdiği

Detaylı

Bilimsel Araştırma Yöntemleri AHMET SALİH ŞİMŞEK (DR)

Bilimsel Araştırma Yöntemleri AHMET SALİH ŞİMŞEK (DR) Bilimsel Araştırma Yöntemleri AHMET SALİH ŞİMŞEK (DR) Ders İçeriği Bilgi, bilgi edinme yolları, bilim, bilimsel bilgi Bilimsel araştırma süreci ve basamakları, araştırma problemi, hipotez Araştırma türleri

Detaylı

Literatür Değerlendirmesi ARAŞTIRMALARDA LİTERATÜR TARAMASI VE ETİK. Literatür kaynakları neler olabilir?

Literatür Değerlendirmesi ARAŞTIRMALARDA LİTERATÜR TARAMASI VE ETİK. Literatür kaynakları neler olabilir? Literatür Değerlendirmesi ARAŞTIRMALARDA LİTERATÜR TARAMASI VE ETİK Bir konuyu araştırma süreci İlgilendiğiniz alanda, bir soruyu kendinize yanıtlamadan önce o soru hakkında neyin zaten bilindiğini bulmanın

Detaylı

Deneysel Yöntem. Yaşar Tonta H.Ü. BBY yunus.hacettepe.edu.tr/~tonta/courses/fall2007/sb5002/ SB5002 SLIDE 1

Deneysel Yöntem. Yaşar Tonta H.Ü. BBY yunus.hacettepe.edu.tr/~tonta/courses/fall2007/sb5002/ SB5002 SLIDE 1 Deneysel Yöntem Yaşar Tonta H.Ü. BBY tonta@hacettepe.edu.tr yunus.hacettepe.edu.tr/~tonta/courses/fall2007/sb5002/ SB5002 SLIDE 1 Babbie, Bölüm 8: Deneyler Deneye uygun konular Klasik deney Deneklerin

Detaylı

İÇİNDEKİLER BÖLÜM - I

İÇİNDEKİLER BÖLÜM - I İÇİNDEKİLER BÖLÜM - I Eleştirel Düşünme Nedir?... 1 Bazı Eleştirel Düşünme Tanımları... 1 Eleştirel Düşünmenin Bazı Göze Çarpan Özellikleri... 3 Eleştirel Düşünme Yansıtıcıdır... 3 Eleştirel Düşünme Standartları

Detaylı

D.E.Ü. İşletme Fakültesi Uluslararası İşletmecilik ve Ticaret Bölümü

D.E.Ü. İşletme Fakültesi Uluslararası İşletmecilik ve Ticaret Bölümü Olayları, varlıkları kavramak, tanımak ve sınıflamak üzere çözümleyen Olgular arasında nesnellik ilişkileri kuran Bu ilişkileri deney yolu ile sınayarak gerçekleşmiş ilişkileri genelleyen, kuramlar, yasalar

Detaylı

BÖLÜM-1.BİLİM NEDİR? Tanımı...1 Bilimselliğin Ölçütleri...2 Bilimin İşlevleri...3

BÖLÜM-1.BİLİM NEDİR? Tanımı...1 Bilimselliğin Ölçütleri...2 Bilimin İşlevleri...3 KİTABIN İÇİNDEKİLER BÖLÜM-1.BİLİM NEDİR? Tanımı...1 Bilimselliğin Ölçütleri...2 Bilimin İşlevleri...3 BÖLÜM-2.BİLİMSEL ARAŞTIRMA Belgesel Araştırmalar...7 Görgül Araştırmalar Tarama Tipi Araştırma...8

Detaylı

AVRASYA ÜNİVERSİTESİ

AVRASYA ÜNİVERSİTESİ Ders Tanıtım Formu Dersin Adı Öğretim Dili ARAŞTIRMA YÖNTEMLERİ-II Türkçe Dersin Verildiği Düzey Ön Lisans () Lisans (X) Yüksek Lisans() Doktora ( ) Eğitim Öğretim Sistemi Örgün Öğretim (X) Uzaktan Öğretim(

Detaylı

BÖLÜM 5 DENEYSEL TASARIMLAR

BÖLÜM 5 DENEYSEL TASARIMLAR BÖLÜM 5 DENEYSEL TASARIMLAR Temel ve Uygulamalı Araştırmalar için Araştırma Süreci 1.Gözlem Genel araştırma alanı 3.Sorunun Belirlenmesi Sorun taslağının hazırlanması 4.Kuramsal Çatı Değişkenlerin açıkça

Detaylı

Öğrenim Kazanımları Bu programı başarı ile tamamlayan öğrenci;

Öğrenim Kazanımları Bu programı başarı ile tamamlayan öğrenci; Image not found http://bologna.konya.edu.tr/panel/images/pdflogo.png Ders Adı : TÜRKÇE I: YAZILI ANLATIM Ders No : 0310340004 Teorik : 2 Pratik : 0 Kredi : 2 ECTS : 3 Ders Bilgileri Ders Türü Öğretim Dili

Detaylı

SOSYAL PSİKOLOJİ G İ R İ Ş

SOSYAL PSİKOLOJİ G İ R İ Ş SOSYAL PSİKOLOJİ G İ R İ Ş sorular...sorular...sorular İnsanın duygu düşünce ve davranışları başka insanlardan nasıl etkilenir, onları nasıl etkiler? İnsanlar birbirlerini nasıl algılar? İnsanlar birbirlerine

Detaylı

DERS BİLGİLERİ. Uygulamalı İşletme İstatistiği BBA 282 Bahar 3+0+0 3 5

DERS BİLGİLERİ. Uygulamalı İşletme İstatistiği BBA 282 Bahar 3+0+0 3 5 DERS BİLGİLERİ Ders Kodu Yarıyıl T+U+L Saat Kredi AKTS Uygulamalı İşletme İstatistiği BBA 282 Bahar 3+0+0 3 5 Ön Koşul Dersleri - Dersin Dili Dersin Seviyesi Dersin Türü İngilizce Lisans Zorunlu Dersin

Detaylı

İçindekiler. KISIM I Giriş. Bölüm 1. Bilimsel Araştırmaya Giriş / 1

İçindekiler. KISIM I Giriş. Bölüm 1. Bilimsel Araştırmaya Giriş / 1 İçindekiler KISIM I Giriş Bölüm 1. Bilimsel Araştırmaya Giriş / 1 Giriş / 2 Bilgiyi Edinme Yöntemleri /3 Sezgi / 3 Otorite / 4 Akılcılık (Rasyonellik) / 5 Deneyimcilik ( Görgücülük) / 5 Bilim / 6 Tümevarım

Detaylı

İÇİNDEKİLER BİRİNCİ KISIM: TASARIM PAZARLAMA ARAŞTIRMASINA GİRİŞ

İÇİNDEKİLER BİRİNCİ KISIM: TASARIM PAZARLAMA ARAŞTIRMASINA GİRİŞ İÇİNDEKİLER ÖNSÖZ... v TEŞEKKÜR... vi İKİNCİ BASKIYA ÖNSÖZ VE TEŞEKKÜR... vii İÇİNDEKİLER... ix ŞEKİLLER LİSTESİ... xviii TABLOLAR LİSTESİ... xx BİRİNCİ KISIM: TASARIM BİRİNCI BÖLÜM PAZARLAMA ARAŞTIRMASINA

Detaylı

Bilim ve Araştırma. ar Tonta. H.Ü. Bilgi ve Belge Yönetimi Bölümü

Bilim ve Araştırma. ar Tonta. H.Ü. Bilgi ve Belge Yönetimi Bölümü Bilim ve Araştırma Yaşar ar Tonta H.Ü. Bilgi ve Belge Yönetimi Bölümü tonta@hacettepe.edu.tr http://yunus.hacettepe.edu.tr/~tonta/tonta.html Bilim Evrenin ya da olayların bir bölümünü konu olarak seçen,

Detaylı

İÇİNDEKİLER BİLİMSEL ARAŞTIRMAYA İLİŞKİN TEMEL KAVRAMLAR

İÇİNDEKİLER BİLİMSEL ARAŞTIRMAYA İLİŞKİN TEMEL KAVRAMLAR İÇİNDEKİLER BÖLÜM I Doç. Dr. Hüseyin Yolcu BİLİMSEL ARAŞTIRMAYA İLİŞKİN TEMEL KAVRAMLAR Giriş -------------------------------------------------------------------------------------------- 3 Bilim ve Bilimsel

Detaylı

Mekânsal Vatandaşlık (Spatial Citizenship-SPACIT) Yeterlilik Modeli

Mekânsal Vatandaşlık (Spatial Citizenship-SPACIT) Yeterlilik Modeli (Spatial Citizenship-SPACIT) Yeterlilik Modeli eğitimi ile öğrencilerin sahip olmaları beklenen temel bilgi, beceri ve tutumları göstermek üzere bir model geliştirilmiştir. Yeterlilik Modeli olarak adlandırılan

Detaylı

IML 401 İMALAT LABORATUARI. Rapor Yazma ve Sunma

IML 401 İMALAT LABORATUARI. Rapor Yazma ve Sunma IML 401 İMALAT LABORATUARI Rapor Yazma ve Sunma Genel Açıklamalar Üçüncü tekil şahıs kullanın (pasif) Üçüncü tekil şahıs: Yukarıda tartışıldığı gibi, verilerin sınırlamalarıyla ilgili son korelasyon için

Detaylı

ALAN ARAŞTIRMASI İÇEREN ÇALIŞMALAR TAM METİN YAZIM FORMATI

ALAN ARAŞTIRMASI İÇEREN ÇALIŞMALAR TAM METİN YAZIM FORMATI ALAN ARAŞTIRMASI İÇEREN ÇALIŞMALAR TAM METİN YAZIM FORMATI Aşağıda verilen tam metin yazım formatı, çalışmayı genel hatları ile anlatan, okuyucuya ayrıntılı olmasa da ana hatları ile araştırma tasarımı

Detaylı

Üçüncü baskıya ön söz Çeviri editörünün ön sözü Teşekkür. 1 Giriş 1

Üçüncü baskıya ön söz Çeviri editörünün ön sözü Teşekkür. 1 Giriş 1 XI İçindekiler Üçüncü baskıya ön söz Çeviri editörünün ön sözü Teşekkür Sayfa vii viii x 1 Giriş 1 Tanımlar: Kültürlerarası psikoloji nedir? 3 Tartışmalı konular 5 Konu 1: İçsel olarak ya da dışsal olarak

Detaylı

İÇİNDEKİLER KISIMI BİLİM VE BİLİMSEL YAKLAŞIM

İÇİNDEKİLER KISIMI BİLİM VE BİLİMSEL YAKLAŞIM İÇİNDEKİLER Sekizinci baskıya önsöz...:... i Yedinci baskıya önsöz... ii Altıncı baskıya önsöz...... iii. B. b kı..... eşıncı as ya onsoz...: ıv Dördüncü baskıya önsöz... v Uçüncü baskıya önsöz...:...

Detaylı

BİLİMİN DOĞASI VE BİLİM TARİHİ «Bilim, Anlamı ve Kapsamı»

BİLİMİN DOĞASI VE BİLİM TARİHİ «Bilim, Anlamı ve Kapsamı» 2015-2016 BBDT-Sunu_1 BİLİMİN DOĞASI VE BİLİM TARİHİ «Bilim, Anlamı ve Kapsamı» Dr. Aysun Ö. KAPLAN Dersin Akışı Bilimin doğası kart oyunu sonuçlarının tartışılması Tercih edilen kartlar Bilim tanımlarında

Detaylı

Problem çözme durumları öğretmen tarafından modellenmeli ve öğrenciler uygun sorular yardımı ile yönlendirilmelidir. Bir problem çözüldükten sonra,

Problem çözme durumları öğretmen tarafından modellenmeli ve öğrenciler uygun sorular yardımı ile yönlendirilmelidir. Bir problem çözüldükten sonra, Problem Çözme Problem Çözme Problem çözme esasen tüm öğrenme alanlarında pekiştirilen ve diğer beceriler ile ilişki hâlinde olan temel bir beceridir. Matematik öğretiminde problem çözme becerisine atfedilen

Detaylı

İÇİNDEKİLER BÖLÜM 1. ÖNSÖZ / iii YAZARIN ÖZ GEÇMİŞİ / v İÇİNDEKİLER / vii TABLOLAR LİSTESİ /xv ÇİZELGELER LİSTESİ /xvi

İÇİNDEKİLER BÖLÜM 1. ÖNSÖZ / iii YAZARIN ÖZ GEÇMİŞİ / v İÇİNDEKİLER / vii TABLOLAR LİSTESİ /xv ÇİZELGELER LİSTESİ /xvi ÖNSÖZ / iii YAZARIN ÖZ GEÇMİŞİ / v İÇİNDEKİLER / vii TABLOLAR LİSTESİ /xv ÇİZELGELER LİSTESİ /xvi İÇİNDEKİLER BÖLÜM 1 GİRİŞ / 1 1.1.İLGİLİ KAVRAMLAR / 1 1.1.1.Program /1 1.1.2.Program Tasarımı /2 1.1.3.Öğretim

Detaylı

Mühendislik Eğitimi ve 21. Yüzyıl

Mühendislik Eğitimi ve 21. Yüzyıl Mühendislik Eğitimi ve 21. Yüzyıl Prof. Dr. Süheyda Atalay Ege Üniversitesi 30. Mühendislik Dekanları Konseyi Toplantısı 21-22 Mayıs 2015, Karabük Üniversitesi Mühendislik Eğitimi : Değişimler 1950 Yılı

Detaylı

Sosyal Bilimler İçin Veri Analizi El Kitabı

Sosyal Bilimler İçin Veri Analizi El Kitabı 292 Dicle Üniversitesi Ziya Gökalp Eğitim Fakültesi Dergisi, 18 (2012) 292-297 KİTAP İNCELEMESİ Sosyal Bilimler İçin Veri Analizi El Kitabı Editör Doç. Dr. Şener BÜYÜKÖZTÜRK Dilek SEZGİN MEMNUN 1 Bu çalışmada,

Detaylı

Araştırma Yöntem ve Teknikleri I

Araştırma Yöntem ve Teknikleri I Bu testte 20 soru bulunmaktadır. Araştırma Yöntem ve Teknikleri I DİKKAT! Cevaplarınızı, cevap kâğıdınızın Araştırma Yöntem ve Teknikleri I testi için ayrılan kısmına işaretleyiniz. 1. Aşağıdakilerden

Detaylı

Performans değerlendirmenin belli aşamaları vardır. Bu aşamalar:

Performans değerlendirmenin belli aşamaları vardır. Bu aşamalar: Performans değerlendirmenin belli aşamaları vardır. Bu aşamalar: 1)Amacın belirlenmesi: Performans değerlendirmede sürecin mi, sonucun mu? yoksa her ikisinin birlikte mi değerlendirileceğine karar verilmelidir.

Detaylı

BİLİMSEL ARAŞTIRMA YÖNTEMLERİ

BİLİMSEL ARAŞTIRMA YÖNTEMLERİ BİLİMSEL ARAŞTIRMA YÖNTEMLERİ Yöntem Dr. Seher Yalçın 3.2.2017 Dr. Seher Yalçın 1 YÖNTEM Araştırmanın Modeli Evren ve Örneklem Veriler ve Toplanması Verilerin Çözümü ve Yorumu 3.2.2017 Dr. Seher Yalçın

Detaylı

Ortaokul Sınıflar Matematik Dersi Öğretim Programı*: Kazandırılması Öngörülen Temel Beceriler

Ortaokul Sınıflar Matematik Dersi Öğretim Programı*: Kazandırılması Öngörülen Temel Beceriler Ortaokul 5.- 8. Sınıflar Matematik Dersi Öğretim Programı*: Kazandırılması Öngörülen Temel Beceriler Yrd. Doç. Dr. Nuray Ç. Dedeoğlu İlköğretim Matematik Eğitimi * MEB (2013). Ortaokul matematik dersi

Detaylı

DERS BİLGİLERİ. Pazarlama Yönetimi BBA 261 Güz 3+0+0 3 5

DERS BİLGİLERİ. Pazarlama Yönetimi BBA 261 Güz 3+0+0 3 5 DERS BİLGİLERİ Ders Kodu Yarıyıl T+U+L Saat Kredi AKTS Pazarlama Yönetimi BBA 261 Güz 3+0+0 3 5 Ön Koşul Dersleri BBA 102 Dersin Dili Dersin Seviyesi Dersin Türü İngilizce Lisans Zorunlu Dersin Koordinatörü

Detaylı

EKONOMİK KRİZİN EMEK PİYASALARINA ETKİLERİ

EKONOMİK KRİZİN EMEK PİYASALARINA ETKİLERİ EKONOMİK KRİZİN EMEK PİYASALARINA ETKİLERİ 1990 sonrasında peş peşe gelen finansal krizler; bir yandan teorik alanda farklı açılımlara hız kazandırırken bir yandan da, küreselleşme süreci ile birlikte,

Detaylı

ARAŞTIRMA YÖNTEM VE TEKNİKLERİ

ARAŞTIRMA YÖNTEM VE TEKNİKLERİ Araştırma Yöntem ve Teknikleri Eğitim Yönetimi Teftişi Planlaması ve Ekonomisi Tezsiz Yüksek Lisans Programı ARAŞTIRMA YÖNTEM VE TEKNİKLERİ 1 Araştırma Yöntem ve Teknikleri İçindekiler 1.1. DERSİN AMACI...

Detaylı

NİTEL ANALİZLER (İÇERİK VE BETİMSEL ANALİZ)

NİTEL ANALİZLER (İÇERİK VE BETİMSEL ANALİZ) NİTEL ANALİZLER (İÇERİK VE BETİMSEL ANALİZ) Nitel analizler sosyal olaylar ve olguların nasıl ve ne şekilde gerçekleştiğini anlamamızı sağlayan tekniklerdir. Nitel araştırmalarda amaç ölçmekten çok, değişkenlerin

Detaylı

AYIRAN SINIRLAR OLMADAN AVRUPA İÇİN PAYLAŞILAN TARİHLER

AYIRAN SINIRLAR OLMADAN AVRUPA İÇİN PAYLAŞILAN TARİHLER AYIRAN SINIRLAR OLMADAN AVRUPA İÇİN PAYLAŞILAN TARİHLER 33Sanayi Devriminin etkisi 33Eğitimin gelişimi 33Sanat tarihinde yansıtıldığı haliyle insan hakları 3 3 Avrupa ve dünya BİR GEZGİN Tarih öğretimi

Detaylı

6. BÖLÜM: BULGULARIN DEĞERLENDİRİLMESİ

6. BÖLÜM: BULGULARIN DEĞERLENDİRİLMESİ 6. BÖLÜM: BULGULARIN DEĞERLENDİRİLMESİ Bu bölümde araştırma bulgularının değerlendirilmesine yer verilecektir. Yerleşik yabancılara yönelik demografik verilerin ve ev sahibi ülkeye uyum aşamasında gereksinim

Detaylı

Rekabet üstünlüğü, bıçaklarla yapılan bir kavgada, bir tabancaya sahip olmak gibidir.

Rekabet üstünlüğü, bıçaklarla yapılan bir kavgada, bir tabancaya sahip olmak gibidir. PAZARLAMA İLETİŞİMİ Rekabet üstünlüğü, bıçaklarla yapılan bir kavgada, bir tabancaya sahip olmak gibidir. Hızla artan iletişim olanakları karşısında hedef kitleye en etkin şekilde ve doğru kanaldan ulaşmanın

Detaylı

Sistem Analizi ve. Tasarımı. Mustafa COŞAR

Sistem Analizi ve. Tasarımı. Mustafa COŞAR Sistem Analizi ve 1 Tasarımı 2013 Mustafa COŞAR Sunum Planı Genel Kavramlar 2 Sistem Genel Sistem Teorisi Sistemin Öğeleri Bilgi Sistemleri Sistem Analizi Sistem Geliştirme Hayat Döngüsü Sistem Analizi

Detaylı

Bilimsel Araştırma Yöntemleri I

Bilimsel Araştırma Yöntemleri I İnsan Kaynakları Yönetimi Bilim Dalı Tezli Yüksek Lisans Programları Bilimsel Yöntemleri I Dr. M. Volkan TÜRKER 8 Bilimsel Süreci* 1. Gözlem alanının belirlenmesi 2. Ön Bilgi Toplama Yazın Taraması 3.

Detaylı

T.C. MUĞLA SITKI KOÇMAN ÜNİVERSİTESİ EĞİTİM BİLİMLERİ ENSTİTÜSÜ

T.C. MUĞLA SITKI KOÇMAN ÜNİVERSİTESİ EĞİTİM BİLİMLERİ ENSTİTÜSÜ T.C. MUĞLA SITKI KOÇMAN ÜNİVERSİTESİ EĞİTİM BİLİMLERİ ENSTİTÜSÜ TEZ ÖNERİSİ HAZIRLAMA KILAVUZU MART, 2017 MUĞLA T.C. MUĞLA SITKI KOÇMAN ÜNİVERSİTESİ EĞİTİM BİLİMLERİ ENSTİTÜSÜ.... ANABİLİM DALI.... BİLİM

Detaylı

Çevirenin Ön Sözü. vii

Çevirenin Ön Sözü. vii Çevirenin Ön Sözü Nel Noddings tarafından yazılan bu eser eğitim felsefesi alanına giriş niteliğinde bir kitap olmakla beraber son derece bilgilendirici ve derin düşünmeye yönlendirici bir kaynaktır. Yalnızca

Detaylı

BİLİMSEL ARAŞTIRMA GİRİŞ BÖLÜMÜ

BİLİMSEL ARAŞTIRMA GİRİŞ BÖLÜMÜ BİLİMSEL ARAŞTIRMA GİRİŞ BÖLÜMÜ Literatür Taraması İlgilendiğiniz konuya ilişkin bilgileri bulmak, Araştırmanıza kuramsal bir temel kazandırmak, Sizinkine benzer çalışmaların sonuçlarını görmek. Literatür

Detaylı

SPSS E GİRİŞ SPSS TE TEMEL İŞLEMLER. Abdullah Can

SPSS E GİRİŞ SPSS TE TEMEL İŞLEMLER. Abdullah Can SPSS E GİRİŞ SPSS TE TEMEL İŞLEMLER SPSS in üzerinde işlem yapılabilecek iki ana ekran görünümü vardır. DATA VIEW (VERİ görünümü) VARIABLE VIEW (DEĞİŞKEN görünümü) 1 DATA VIEW (VERİ görünümü) İstatistiksel

Detaylı

İÇİNDEKİLER. Yedinci Baskıya Önsöz 15 İkinci Baskıya Önsöz 16 Önsöz 17 GİRİŞ 19 I. BÖLÜM FELSEFE ÖĞRETİMİ 23

İÇİNDEKİLER. Yedinci Baskıya Önsöz 15 İkinci Baskıya Önsöz 16 Önsöz 17 GİRİŞ 19 I. BÖLÜM FELSEFE ÖĞRETİMİ 23 İÇİNDEKİLER Yedinci Baskıya Önsöz 15 İkinci Baskıya Önsöz 16 Önsöz 17 GİRİŞ 19 I. BÖLÜM FELSEFE ÖĞRETİMİ 23 I. Felsefe Eğitimi ve Öğretimi 23 A. Eğitim ve Öğretim 23 B. Felsefe Eğitimi ve Öğretimi 24 II.

Detaylı

Temel ve Uygulamalı Araştırmalar için Araştırma Süreci

Temel ve Uygulamalı Araştırmalar için Araştırma Süreci BÖLÜM 8 ÖRNEKLEME Temel ve Uygulamalı Araştırmalar için Araştırma Süreci 1.Gözlem Genel araştırma alanı 3.Sorunun Belirlenmesi Sorun taslağının hazırlanması 4.Kuramsal Çatı Değişkenlerin açıkça saptanması

Detaylı

DERS BİLGİLERİ. Ders Kodu Yarýyýl T+U Saat Kredi AKTS HUKUKA GİRİŞ LAW

DERS BİLGİLERİ. Ders Kodu Yarýyýl T+U Saat Kredi AKTS HUKUKA GİRİŞ LAW DERS BİLGİLERİ Ders Kodu Yarýyýl T+U Saat Kredi AKTS HUKUKA GİRİŞ LAW 123 1 3 + 0 3 4 Ön Koşul Dersleri - Dersin Dili Dersin Seviyesi Dersin Türü Türkçe Lisans Zorunlu Dersin Koordinatörü Dersi Verenler

Detaylı

Kavram Haritaları ve Ebelikte Kavram Haritalarının Kullanımı. Prof. Dr. Sibel ERKAL İLHAN

Kavram Haritaları ve Ebelikte Kavram Haritalarının Kullanımı. Prof. Dr. Sibel ERKAL İLHAN Kavram Haritaları ve Ebelikte Kavram Haritalarının Kullanımı Prof. Dr. Sibel ERKAL İLHAN GİRİŞ Eğitimde öğrencileri pasif bilgi alıcısı olmak yerine aktif, yaşam boyu bağımsız öğrenici ve problem çözücü

Detaylı

EĞİTİM YÖNETİMİ BİLİM DALI TEZLİ YÜKSEK LİSANS PROGRAMI DERS İÇERİKLERİ

EĞİTİM YÖNETİMİ BİLİM DALI TEZLİ YÜKSEK LİSANS PROGRAMI DERS İÇERİKLERİ EĞİTİM YÖNETİMİ BİLİM DALI TEZLİ YÜKSEK LİSANS PROGRAMI DERS İÇERİKLERİ BİLİMSEL ARAŞTIRMA YÖNTEMLERİ Bu ders kapsamında Eğitim Bilimleri ve Öğretmen Yetiştirme Alanında kullanılan nicel ve nitel araştırma

Detaylı