Algı Verilerinin Analizi


Bir amaca ulaşmak için ya da bir karar almanın temel adımlarından biri amaç ya da kararımıza etki eden verileri tanımlamak; bu verileri toplamak ve analiz etmektir. Bu şekilde kararlarımızı ya da uygulamalarımızı objektif bir tabana dayandırmak isteriz. Gerçeği daha iyi tanımlayan ve açıklayan bilimsel metotların yol göstericiliğini kullanırız.

Tanımladığımız verilerin yapısal farklılıkları olabilir. Bazı veriler doğrudan bir ölçme metodu ile elde edilmektedir. Bu ölçme metodu ve sonucu olan ölçümler evrenseldir ve her kişi ya da kuruluş tarafından kabul edilen, ortak kullanıma sahip bir yaklaşım sağlamaktadır. Örnek olarak, bir tartı aracılığı ile bir cismin ağırlığını ölçebiliriz. Ölçme sonucu ekipman ya da ölçme hatalarının kabul edilebilir olması varsayımı ile metot ve ölçüm sonuçları objektif olarak kabul edilir.

Ölçüm sonuçları; hata varyasyonunun toleranslar dahilinde olması varsayımı ile bireyden bireye farklılık göstermez. Hem farklı ölçerler ile aynı veya benzer sonuçlar elde etmek olasıdır hem de farklı objektif ölçme metotları ile aynı ve benzer sonuçlar elde edilebilmektedir. Bu durum şimdilik sadece sayılabilir ve sürekliliği olan değişkenler için kabul edebiliriz çünkü kategorik verilere yönelik bir ölçme söz konusu olduğunda veriler yapısal olarak değişmektedir.  Örnek olarak bir kişinin öğrenim durumu için tanımlanan kategoriler ( okuma yazma bilmiyor—-〉 Lisans üstü eğitimi) herkes tarafından kabul edilebilir objektif kriterler ile ölçümü tartışmasız kılabilir ancak bu tür verileri kullanarak uygulanabilecek istatistiksel yorumlama teknikleri konusunda yetersizlikler ve sorunlar söz konusu olacaktır.

popularity_likert_scale_answered

Algıya dayalı verilerin yapısı ise oldukça farklıdır. Örnek olarak, eviniz büyüklük bakımından nasıl sorusunu yönelttiğinizde aynı büyüklükteki evlere farklı ihtiyaç, istek ve algılamalar nedeni ile ( çok büyük—çok küçük) şeklinde uç kategorilerde yanıtlar alabilirsiniz.  Burada algılanan obje her iki algılayıcı için aynıdır. İkinci bir durum olarak da evin büyüklüğü için objektif bir ölçek olarak toplam alan metrekare olarak, oda sayısı veya kişi başına düşen metrekare kullanılarak veri toplama desteklenebilir. Ancak yemeğin lezzetini nasıl buldunuz? sorusuna alınan algılama sonuçları gibi bazı durumları objektif diğer bulgularla desteklemek mümkün olmamaktadır.

Her durumda algı verilerini; objektif ölçme metotlarına sahip diğer verilerden tamamen ayırmak gerekmektedir. Çünkü algı verileri adından da anlaşılacağı üzere kişiseldir. Aynı objeye farklı ölçerler kendi algılamalarında doğal olarak farklı puanlar atayacaklardır. O halde yapılacak analizlerde bu gibi durumlarda farklı olmalıdır. Verilerin yapısal karakteri ile uygulanabilecek istatistiksel analizler konusunda fikir ve öneriler geliştirilmeli ve örnekler ile bu alana açıklık kazandırılmalıdır.

Sensing Data

 

Algı verilerinin analizi için iki aşamalı bir yapıyı kullanmak yararlı sonuçlar sağlayabilir. Birinci aşamada algılama verisini bir fark (gerçekleşen-beklenen) verisi olmaktan kurtarıp, bir referansa uygunluk verisi haline getirebiliriz. İkinci aşamada ise uygunluğu aritmetiksel operatörleri kullanabilen ölçeklere taşıyabiliriz. Fark verileri gerçekler ile beklentilerin birer fonksiyonu olduğu için farklı ölçeklerde farklı (anlamlı) sonuçlar elde etmek doğal bir sonuç olur (aynı obje için). Oysa gerçeğin bir referansa uygunluğu dikkate alınırsa ölçme hatalarının tartışma boyutu farklı bir alanda yapılanmaya başlar. Örnek olarak; evin/ konutun alanı için konuşulduğunda kişi başına 40 metrekare ve altını çok küçük, 45 metrekareye kadar olanlarını küçük gibi kategoriler ile ölçülebilir. Objektif veriler ile desteklenemeyen durumlar için de benzer tanımlamalar yapılabilir. Amaç ilk aşamada farklı ölçeklerden aynı objeyi ölçtüklerinde hassas sonuçlar elde edebilmektir. Gerçeğin algılanması ve sıralanmasında bu metotlar bize yardımcı olmaktadır. Bu noktada kategoriler arasındaki farkı sayısallaştıracak istatistiksel analizleri kullanmamıza olanak sağlayacak nominal veri setini elde etmek gerekmektedir. Bir diğer yaklaşımda ise nominal veri elde etmek yerine ordinal verilerde kullanılabilecek analiz yöntemlerini tanımlamaktır.

Çayın lezzetini nasıl buldunuz? (Mate, Yeşil, Siyah)

[…] Çok memnun

[…] Oldukça memnun

[…] Kısmen memnun

[…] Pek memnun değil

[…] Hiç memnun değil

Bu markayı seçmekten memnunsunuz?

Çok memnun 1………2………3………4………5 Hiç memnun değil

Bölgenizde bulunan hostellere kıyasla Down Town İstanbul’ u nasıl buluyorsunuz?

        […] Çok iyi               […] Vasat/Orta              […] Çok kötü

3, 5 ve 7 dereceli likert ölçekleri kullanılabilir. 5 li ve 7 li likert ölçeklerinin avantajları ve dezavantajları vardır. Kategoriler arasındaki mesafeler çok farklı olabileceğinden kategorilerin tanımlanmasında dikkat edilecek bazı kısımlar ön plana çıkmaktadır.

ölçekler.png

 

 

 

 

Bir Cevap Yazın

Please log in using one of these methods to post your comment:

WordPress.com Logosu

WordPress.com hesabınızı kullanarak yorum yapıyorsunuz. Çıkış  Yap /  Değiştir )

Google fotoğrafı

Google hesabınızı kullanarak yorum yapıyorsunuz. Çıkış  Yap /  Değiştir )

Twitter resmi

Twitter hesabınızı kullanarak yorum yapıyorsunuz. Çıkış  Yap /  Değiştir )

Facebook fotoğrafı

Facebook hesabınızı kullanarak yorum yapıyorsunuz. Çıkış  Yap /  Değiştir )

Connecting to %s