Kısa cevap
İlişki (correlation; Almanca: Korrelation), iki değişkenin birlikte farklılaşmasını anlatır. Nedensellik (causation; Almanca: Kausalität) ise birindeki değişimin diğerini etkilediğine ilişkin daha güçlü bir iddiadır. “Telefon kullanımı yüksek olanlarda uyku sorunu da daha yaygın” bulgusu, telefonun uyku sorununa tek başına neden olduğunu göstermez. Ters yönlü etki ve üçüncü değişkenler de incelenmelidir.
Birlikte artmak, birbirini üretmek değildir
Yaz aylarında dondurma tüketimi ve denizde boğulma olayları aynı dönemde artabilir. Buradan dondurma yemenin boğulmaya yol açtığı sonucu çıkmaz. Mevsim ve sıcaklık her iki değişkenle de ilişkili olabilir. Bu klasik örneğin amacı bir araştırmayı küçümsemek değil, “Birlikte oluyorlar” gözleminin tek açıklamasının neden-sonuç ilişkisi olmadığını göstermektir.
Psikoloji araştırmalarında durum daha karmaşıktır. Kaygı ile uyku arasında ilişki bulunabilir; kaygı uykuyu etkileyebilir, uykusuzluk kaygıyı artırabilir veya ikisi iş yükü gibi başka koşullardan etkilenebilir. Tek bir kesitsel ölçüm, bu olasılıkları kesin biçimde ayıramaz.
Karıştırıcı değişken nedir?
Karıştırıcı değişken (confounder; Almanca: Störvariable), incelenen ilişkiyi farklı bir açıklamayla etkileyebilen etmendir. Örneğin sosyal medya kullanımı ile mutsuzluk arasındaki ilişkide sosyal izolasyon, kronik stres veya uyku düzeni dikkate alınmadığında bulgunun anlamı değişebilir. Her araştırma bütün karıştırıcıları ölçemez; ölçülmeyen etkenler önemli belirsizlik bırakabilir.
İstatistiksel olarak birkaç değişkeni kontrol etmek, tüm olası açıklamaları ortadan kaldırmaz. Özellikle değişkenin nasıl ölçüldüğü ve hangi zamanda ölçüldüğü önemlidir. “Kontrol edildi” ifadesinin ardından hangi değişkenlerin, hangi yöntemle kontrol edildiğine bakmak gerekir.
Ters nedensellik olasılığı
Bazı ilişkilerde hangi olayın önce geldiği belirsizdir. Yalnız hisseden bir kişi çevrim içi ortamlarda daha fazla zaman geçiriyor olabilir; yoğun çevrim içi deneyim de bazı kişilerin yalnızlık deneyimiyle bağlantılı olabilir. İki yön aynı anda mümkünken tek yönlü başlıklar okuru yanlış yönlendirebilir.
Boylamsal (longitudinal; Almanca: längsschnittlich) çalışmalar farklı zaman noktalarındaki değişimleri izlediğinden zamansal sırayı anlamaya yardım eder. Fakat boylamsal araştırma olmak tek başına nedenselliği ispat etmez; seçim yanlılığı ve ölçülmeyen etkenler hâlâ bulunabilir.
Deneysel araştırma neyi güçlendirir?
Rastgele atamalı deneyler uygun yapıldığında gruplar arasındaki önceden var olan farkların etkisini azaltmaya yardımcı olur. Örneğin belirli bir çalışma tekniğini kullanan öğrencilerle alternatif tekniği kullananlar rastgele ayrılırsa, gözlenen farkın yorumlanması gözlemsel bir karşılaştırmadan daha güçlü olabilir. Yine de katılımcı kaybı, beklenti etkisi ve ölçüm hataları sonuçları etkileyebilir.
Deney her soruda mümkün veya etik değildir. Uzun süreli zorbalığın etkisini anlamak için insanları rastgele zorbalığa maruz bırakmak kabul edilemez. Böyle durumlarda dikkatle tasarlanmış doğal deneyler, boylamsal araştırmalar ve birikmiş kanıtlar önem kazanır. Araştırma yönteminin sınırını bilmek, araştırmayı değersiz ilan etmek değildir.
Başlıktaki fiillere dikkat
“İlişkili bulundu”, “öngördü”, “artışa eşlik etti”, “neden oldu” ifadelerinin gücü aynı değildir. Bilim haberini okurken kullanılan fiille araştırmanın tasarımını karşılaştırmak yararlı olur. Kesitsel bir anketten “kesin olarak yol açar” sonucu çıkarılıyorsa güçlü bir gerekçelendirme gerekir.
Araştırmanın yayımlandığı dergi, örneklem, ölçme araçları ve etki büyüklüğü de önemli ipuçlarıdır. Yalnız p değerinin istatistiksel olarak anlamlı çıkması, etkinin pratik yaşamda büyük olduğu anlamına gelmez.
Okur için altı adımlık kontrol
Önce araştırma hangi soruyu sormuş, katılımcılar kimmiş, değişkenler nasıl ölçülmüş ve karşılaştırma nasıl kurulmuş diye bakın. Sonra olası ters yönü ve karıştırıcı değişkenleri düşünün. Son olarak araştırmacıların kendi sınırlılıklarını okuyun. Bu adımlar bir makaleyi ezberlemekten daha değerli bir okuma alışkanlığı oluşturabilir.
Bilimsel kanıtlar çoğu kez birikerek güçlenir. Tek bir çalışma hem çok ilgi çekici hem de belirsiz olabilir. Bilime güvenmek, her manşeti kesin gerçek kabul etmek değil; yeni veriye açık, yöntem konusunda dikkatli ve iddiaların gücüne uygun dil kullanmaktır.
Örneklem seçimi bir bulgunun yönünü değiştirebilir
Bir araştırma yalnız sınav dönemindeki üniversite öğrencilerinde yapıldıysa, sonuç yetişkinlerin tamamı için geçerli kabul edilmemelidir. Katılımcıların yaşları, yaşam koşulları ve araştırmaya katılma biçimleri önem taşır. İnternette gönüllü doldurulan bir anket, ankete katılmayan kişileri temsil etmeyebilir. Yeterince büyük bir örneklem bile kötü seçim yöntemini otomatik olarak düzeltmez.
Bu nedenle araştırmayı okurken yalnız kaç kişinin katıldığına değil, kimlerin dışarıda kaldığına da bakmak gerekir. “Binlerce kişilik araştırma” tek başına genellenebilirlik güvencesi değildir. Örneklem seçimi, soru biçimi ve ölçüm hataları bir arada sonuçların anlamını belirler.
Birden çok çalışmanın birikmesi ne sağlar?
Tek bir bulgu, kullanılan ölçüm veya araştırma ortamından etkilenmiş olabilir. Benzer soruların farklı gruplarda ve farklı yöntemlerle araştırılması, sonucun ne kadar tutarlı olduğunu değerlendirmeye yardım eder. Sistematik derleme ve meta-analizler bu sürece katkı verebilir; ancak birleştirilen çalışmaların hepsi zayıfsa sonuç otomatik olarak güçlü hâle gelmez.
Aynı soruya ilişkin farklı sonuçların bulunması her zaman bilimsel başarısızlık değildir. İnsan davranışı farklı koşullarda farklı ilişkiler gösterebilir. Sağlam bilimsel anlatı, bulgular arasındaki farkı gizlemek yerine hangi koşulun hangi sonucu etkileyebileceğini araştırır.
Nedensellik için sadece zamana bakmak yetmez
Bir olayın diğerinden önce yaşanması nedensellik için yararlı bilgi olabilir; fakat tek başına yeterli değildir. Örneğin uyku sorunu başladıktan sonra telefon kullanımının artması, telefonun uyku sorununu başlattığını değil, kişi uyuyamadığı için daha çok telefon kullandığını gösterebilir. Zaman sırası ve alternatif açıklamalar birlikte incelenmelidir.
Kim ve Steiner’in 2016 çalışması yarı-deneysel tasarımların hangi varsayımlar altında nedensel yorumlara yaklaşabileceğini tartışır. Bu tür yöntemler araştırmacıya güçlü olanaklar sunabilir, ancak varsayımlar bozulduğunda yanlı sonuç üretebilir. Bilim okurunun yöntemi bilmesi, her sonuca peşinen inanmak veya hiçbir sonuca güvenmemek ikilemine düşmesini engeller.