AIEd Bilgi TabanıAIEd KB
Bu sayfada

Bu sayfayı İngilizce okuyun

Kavramlar

Karma Yöntemli Araştırma

Oluşturuldu 2026-10-14

Bu İngilizce sayfanın bir ana dili konuşanı tarafından gözden geçirilmemiş otomatik çevirisidir.

Karma yöntemli araştırma — quantitative ve qualitative iplikleri tek bir çalışmada bilinçli olarak birleştirme tasarımı ve uygulaması, öyleyse güçlü yönleri birbirini tamamlar ve zayıf yönleri birbirini dengeler. AI in education bağlamında karma yöntemli tasarımlar yaygın olarak kullanılır, çünkü YZ etkileri aynı anda ölçülebilir (learning gains, engagement) ve anlam yüklüdür (güven, Öğrenen Etkenliği, kimlik) — ve ne bir anket ne de bir görüşme tek başına ikisini birden yakalar.

Dikkate Alınması Gereken Sorular

  • Bir anketin öğrencilerin bir YZ aracından yüksek memnuniyet bildirdiğini gösterdiğini ama sınav puanlarının yükselmediğini varsayalım. Hangi sayı 'doğru'? Sayfa, nicel ve nitel iplikleri birleştirmenin her birinin diğerini açıklamasına izin verdiğini savunur — bir görüşme, sayıların tek başına açıklayamadığını nasıl açıklayabilir?
  • Yaygın bir görüş, sayıların nesnel ve görüşmelerin anekdotsal olduğu, dolayısıyla nicel kanıtın üstün olduğudur. Sayfa ise ikisini tamamlayıcı olarak ele alır — sayılardan genişlik ve kesinlik, sözlerden derinlik ve anlam. Bağlamsız bir sayı, ne zaman bir görüşmeden daha fazla yanıltır?
  • Bir tasarım örüntüsü (sıralı açıklayıcı) önce nicel veri toplar, sonra şaşırtıcı sonuçları açıklamak için görüşmeleri kullanır. Nitel anlatılar mekanizmayı ortaya çıkana kadar sayısal olarak kafa karıştırıcı olan bir eğitim sonucu düşünebiliyor musunuz?
  • Üçgenleme çekirdek değerdir: bağımsız iplikler yakınsadığında güven yükselir ve ayrıştığında tutarsızlığın kendisi bilgilendiricidir. Hiç aynı şey hakkında birbirinize çelişen iki kanıt kaynağınız oldu mu — ve çatışmadan ne öğrendiniz?
  • Karma yöntemler aynı anda etkileri (ne kadar öğrenme kazancı) ve anlamı (güven, kimlik, etkinlik) yakalayabilir — hiçbir tek anket ya da görüşmenin tek başına yakalayamadığı şeyler. Bir YZ aracının öğrencilere yardım edip etmediğini inceliyor olsaydınız, hangi nicel ve nitel soruları eşleyerdiniz ve hangi sırayla?

Giriş

Karma yöntemli tasarımlar, nicel yöntemlerin genişliğini, kesinliğini ve nedensel gücünü, nitel yöntemlerin derinliği, bağlamı ve anlamıyla bütünleştirir. Değer önermesi üçgenlemedir: bağımsız iplikler aynı sonuca yakınsadığında güven artar; ayrıştığında tutarsızlığın kendisi bilgilendiricidir.

Yaygın tasarım örüntüleri

  • Sıralı açıklayıcı (QUAN → qual). Önce nicel veri toplanır, sonra nitel veri şaşırtıcı ya da anlamlı nicel bulguları açıklar veya bağlamlandırır. A mixed-method study of GenAI and sustainable learning, geliştirmeden aşırı bağımlılığa nicel örüntüyü açıklamak için üç dalgalı anketleri eğitimci görüşmeleriyle eşler.
  • Sıralı keşfedici (QUAL → quan). Nitel çalışma teori kurar, hipotez üretir ya da sonra nicel olarak test edilecek ölçüm aracı tasarımını besler. A qualitative typology of ChatGPT adoption, sonraki anket tasarımını besleyebilecek kategoriler üretir.
  • Ölçüm değişmezliğiyle keşfedici sıralı. Bu and Li (2026), modelin dört boyutunu belirlemek için görüşmeleri kodlar, onlardan 22 maddelik bir ölçüm aracı kurar ve sonra cinsiyet ve disiplin alanı boyunca yapısal, metrik ve skaler değişmezliği 642 kişilik analitik örneklemde test eder — nitel bir ipliğin bir anket aracını beslediğini ve bir değişmezlik testinin yapıların gruplar arasında aynı şekilde davrandığını doğruladığını gösterir.
  • Yakınsayan/paralel. Nicel ve nitel iplikler eş zamanlı yürür ve analizde bütünleştirilir. The competence-paradox study, öğretmen odak gruplarını, öğrenci anketini ve takip görüşmelerini paralel kullanır; the trust–utility gap study, fizik öğrencilerinin YZ benimsemesi üzerine anket ve görüşme kanıtlarını birleştirir.

Karma yöntemler bilgi tabanında nasıl görünür

  • Mekanizmaları açıklamak. Same AI, different pathways: Unpacking mechanisms of AI-mediated learning across discipline-institution contexts, YZ aracılı öğrenmenin mekanizmalarını disiplin-kurum bağlamları arasında çözmek için iplikleri birleştirir; burada yalnızca nicel farklılıklar opak kalırdı.

  • Sonuç verisini deneyimle tamamlamak. AI tutor safety, nicel zarar göstergelerini pedagojik zararın nitel anlatılarıyla eşler; The Competence Paradox: Negotiating Ease, Risk, and Creative Identity in Text-to-Image Generative AI Use Among Art and Design Students, nicel anket sonuçlarını kimlik pazarlığının nitel anlatılarıyla eşler.

  • Birleştirme ama havuzlaştırma olmadan. Wang and Zhao (2026), farklı örneklemlerden gelen ve asla birleştirilmeyen bir anketi (N = 131), 66 Eleştirel Etkileşim metninin insan kodlamasını ve programlama kayıtlarını (N = 1.423) koordine eder, YZ’siz iz kolunu onaylayıcı değil sınır testi rolüyle görevlendirir — her iplik yan yana raporlanmak yerine ayrı bir çıkarımsal iş alır.

  • Tasarım ve değerlendirme. A multisite experiment on GenAI feedback design, deneysel sonuç ölçümünü öğrenenlerden alınan nitel geri bildirimle birleştirir, nicel etki tahminini tasarım rehberliğiyle bütünleştirir.

  • Büyük bir deneme içinde süreç kanıtı. Mata et al. (2026), sistem gözlemini ve yöneticilerle yapılan tartışmaları, sekiz dönem boyunca 8.708 öğrencinin dört yıllık randomize değerlendirmesiyle eşler, 0,05 standart sapma büyüklüğündeki etkileri tespit etmeye güçlendirilmiştir; böylece aynı çalışma bir sohbet robotu programını sürdüren örgütsel koşulları açıklar ve GPA ile süreklilik üzerine sıkı sınırlı sıfır sonuçlar rapor eder.

  • Bir politika olgusunu üçgenlemek. EdTech’te öğrenci mahremiyetinin ertelenmesi çalışması, on iki yarı yapılandırılmış görüşmeyi, iki kodlayıcı tarafından kodlayıcılararası güvenilirlik için puanlanan 48 platformlu bir belge denetimiyle eşler (ortalama Cohen’un κ değeri = 0,781), görüşmeleri mahremiyetin neden ertelendiğini açıklamakta ve denetimi ertelmenin ürettiği açıklama örüntüsünü göstermekte kullanır — hiçbir ipliğin tek başına iddiayı destekleyemediği yakınsayan bir tasarım (Nair & Greenstadt, 2026).

Güçlü yönler ve sınırlar

  • Güçlü yönler: üçgenleme güveni artırır; nicel genişlik artı nitel derinlik; beklenmedik sonuçları açıklayabilir ve mekanizmayla büyüklüğü köprüleyebilir; hem etkiler hem anlam üretir; karmaşık, bağlamsal eğitimde-YZ olgularına iyi uyar.
  • Sınırlar: karmaşık, kaynak yoğun ve yöntemsel olarak zorlayıcı; iplikler gerçekten birleştirilmeden yalnızca yan yana raporlandığında bütünleşme yüzeysel kalabilir; her ipliğin zayıflıklarını miras alır (örneğin anketlerde öz bildirim yanlılığı, görüşmelerde araştırmacı bağımlılığı); her iki yöntemsel gelenekte de yeterlilik gerektirir.
  • Çıkarımı sınırlayan bir kümeleme sınırı. Alshehri et al. (2026), iki bütün sınıfı (n = 31, n = 22) görevlendirir, öyleyse yalnızca iki küme ile rapor edilen t-testleri sınıf içi iç içeliği göz ardı eder ve çok düzeyli modeller tahmin edilemez, bu da anlamlılık testlerini tasarımın destekleyebileceği konusunda iyimser kılar.

Daha geniş yöntemler manzarasıyla ilişki

Karma yöntemler, quantitative ve qualitative gelenekler arasında yer alır, her birinin güçlü yönlerinden yararlanırken kasten bütünleşmenin tasarım disiplinini ekler. Eğitimde-YZ olgularının hem etkili hem anlam yüklü olduğu — ve alanın genişlik ve derinlik birleştiğinde en hızlı ilerlediği kabulünün bir yöntemsel yanıtıdır (bkz. AIED’de Araştırma Yöntemleri). Eğitimde Ölçme (nicel ölçüm araçları), Eğitimde Yapay Zekada Teori Geliştirme (nitel teori kurma) ve AIEd Değerlendirmesi (sonuç ve deneyim kanıtını bütünleştirme) ile bağlantılıdır.

Bağlı kavramlar

Bağlı makaleler

Üst veri

Çalışma tasarımıSurvey
Araştırma yöntemleri ve değerlendirmeKarma Yöntemli Araştırma, Nitel Araştırma, Niceliksel Araştırma, AIED’de Araştırma Yöntemleri
SourceHistoryEditChat

Bu sayfayı göm

Bu sayfayı bir öğrenme yönetim sistemine veya başka bir web sitesine gömmek için aşağıdaki kodu kopyalayın. Gömülü sürüm yalnızca sayfa içeriğini gösterir — site başlığını, gezintiyi ve alt bilgiyi gizler.