Boylamsal Ex Post Facto Tasarım — Önceden Var Olan Grupları Zaman İçinde Takip Etme
Longitudinal Ex Post Facto Research Design · Ayrıca şöyle bilinir: longitudinal causal-comparative design, longitudinal after-the-fact design, longitudinal retrospective design, LEPF design
Boylamsal ex post facto tasarım, boylamsal araştırmanın zaman derinliğini, ex post facto incelemenin geriye dönük mantığıyla birleştirir. Katılımcılar, rastgele atanmak yerine, doğal olarak ortaya çıkan bir özellik veya geçmiş bir olaya göre gruplandırılır ve ardından zaman içinde birden fazla noktada gözlemlenir veya ölçülür. Amaç, araştırmacının bağımsız değişkeni hiçbir zaman manipüle etmemesi koşuluyla, gruplar arasındaki önceden var olan farklılıkların uzun bir dönem boyunca nasıl ortaya çıktığını veya sonuçları nasıl öngördüğünü izlemektir.
Tam yöntemi oku
Bu bölümü okumak için ücretsiz hesapla giriş yapın.
Yöntem haritası
İlişkili yöntemlerin komşuluğu — keşfetmek için bir düğüm seçin.
Ne zaman kullanılır
Boylamsal ex post facto tasarımını şu durumlarda kullanın: (1) bağımsız değişken geçmiş bir olay, doğal olarak oluşan bir durum veya etik veya pratik olarak manipüle edilemeyen bir özellikse; (2) araştırma sorusu zaman içindeki değişimi, gelişimi veya kümülatif etkileri içeriyorsa; ve (3) tekrarlanan ölçüm için arşiv verileri, bağlantılı idari kayıtlar veya taahhütlü bir kohort mevcutsa. Gelişim psikolojisi, eğitim araştırmaları, epidemiyoloji, sosyoloji ve politika değerlendirmesi için çok uygundur. Rastgele atama mümkün olduğunda KULLANMAYIN — gerçek veya yarı-deney daha güçlü nedensel çıkarım sağlar. Yalnızca tek bir zaman noktası mevcut olduğunda (bunun yerine kesitsel ex post facto kullanın) veya aşınmanın şiddetli ve gruplar arasında farklı olması beklendiğinde (bu, düzeltilmesi zor seçilim yanlılığına yol açacaktır) kullanmayın.
Güçlü yönler & sınırlılıklar
- Zamansal öncelik tesis ederek nedensel-yön çıkarımını mümkün kılar — sonuçlar önceden var olan koşuldan sonra ölçülür, eş zamanlı olarak değil.
- Kesitsel tasarımların tespit edemediği gelişimsel ve kümülatif süreçleri yakalar.
- Deneysel olarak indüklenemeyen koşulları (olumsuz deneyimler, genetik özellikler, geçmiş politika maruziyeti) incelemek için pratik ve etiktir.
- Büyük temsili örneklemleri uzun süreler boyunca incelemek için zengin idari ve kayıt veri kümelerinden yararlanabilir.
- Eğitim ve gelişim psikolojisinden halk sağlığı ve ekonomiye kadar disiplinler arası uygulanabilir.
- Rastgele atama yoktur, bu nedenle ölçülmeyen karıştırıcılar grup farklılıklarını açıklayabilir — nedensel çıkarım her zaman niteliklidir.
- Dalgalar arası katılımcı kaybı, özellikle bırakma sonucunla ilişkiliyse, seçilim yanlılığına neden olabilir.
- Bağımsız değişkenin geriye dönük olarak tanımlanması, eksik veya tutarsız kaydedilmiş arşiv verilerine dayanabilir.
- Uzun takip süreleri maliyetli ve operasyonel olarak zahmetlidir, sürekli finansman ve katılımcı katılımı gerektirir.
- Dalgalar arasında meydana gelen tarihsel değişiklikler (tarih etkileri) gözlemlenen grup farklılıklarını karıştırabilir.
SSS
Boylamsal ex post facto tasarım ile prospektif kohort çalışması arasındaki temel fark nedir?
Terimler pratikte önemli ölçüde örtüşmektedir. Her ikisi de katılımcıları zaman içinde takip eder ve deneysel manipülasyon olmaksızın sonuçları gözlemler. Ex post facto etiketi, tanımlayıcı grup özelliğinin ('bağımsız değişken') çalışmanın ölçüm başlangıcından önce gelen geçmiş bir olay veya durum olduğunu vurgularken, prospektif kohort çalışmaları başlangıçtaki maruziyet durumunu kayıtta ölçer ve katılımcıları ileriye doğru takip eder. Boylamsal ex post facto tasarımında maruziyet kayıtlardan geriye dönük olarak belirlenebilirken, prospektif bir kohort, sonuçlar ortaya çıkmadan önce katılımcıları bir araya getirir ve maruziyeti prospektif olarak ölçer. Her ikisi de aynı temel sınırlamayla karşı karşıyadır: rastgele atama yoktur.
Kaç ölçüm dalgasına ihtiyacım var?
Bir tasarımı boylamsal olarak adlandırmak için en az iki dalga gereklidir. Ancak, iki dalga yalnızca net değişimi ölçmenize izin verir; farklı değişim örüntülerini (örneğin, hızlı erken kazanç veya istikrarlı doğrusal büyüme) ayırt edemezler. Büyüme eğrisi modellemesi için üç veya daha fazla dalga gereklidir. Gerekli dalga sayısı, beklenen değişim yörüngesinin şekline bağlıdır — uygun bir ölçüm programı belirlemek için esaslı teoriye ve önceki literatüre danışın.
Nedensel iddialarda bulunmak için eşleştirme veya eğilim skorlarını kullanabilir miyim?
Eğilim skoru eşleştirme ve ilgili yöntemler gözlemlenen karıştırmayı azaltır ve çalışmayı daha titiz hale getirir, ancak yalnızca ölçülen kovaryatlar üzerinde denge sağlarlar. Önemli karıştırıcılar ölçülmezse, eşleştirilmiş tahminler yanlı kalır. Bu nedenle nedensel dil ('X, Y'ye neden oldu') garanti edilmez; bulguların nedensel bir etkiyle tutarlı olduğunu veya uygulanan kontrollere bakıldığında nedensel bir yorumun makul olduğunu söyleyebilirsiniz.
Katılımcı kaybından kaynaklanan eksik verileri nasıl ele almalıyım?
İlk olarak, aşınma örüntülerini analiz edin ve raporlayın — tamamlayanlar ile bırakılanların genel ve grup bazında başlangıç özelliklerini karşılaştırın. Eğer bırakma rastgele değilse (rastgele eksik değilse), liste bazında silme yanlı tahminler üretir. Rastgele eksik varsayımı altında eksik verileri ele almak için tam bilgi maksimum olabilirlik (FIML) tahmini veya çoklu atama kullanın ve rastgele olmayan bırakma için duyarlılık analizlerini düşünün.
Bu tasarım doktora araştırması için uygun mu?
Evet, eğer mevcut arşiv veya idari veriler mevcutsa veya doktora zaman çizelgesi içinde kısa bir boylamsal pencere (6-18 ay) uygulanabilirse. Birden fazla yıl boyunca birincil boylamsal veri toplamak bir doktora için nadiren pratiktir; mevcut panel veri kümelerinden (örneğin, PISA, NLSY, BHPS, ulusal eğitim veri tabanları) yararlanmak standart stratejidir. Kurumunuzun Etik Kurulunun ikincil veri kullanımını onayladığından ve tasarıma başlamadan önce veri erişim anlaşmalarının mevcut olduğundan emin olun.
Kaynaklar
- Kerlinger, F. N. (1986). Foundations of Behavioral Research (3rd ed.). Holt, Rinehart and Winston. ISBN: 978-0030417498
- Shadish, W. R., Cook, T. D., & Campbell, D. T. (2002). Experimental and Quasi-Experimental Designs for Generalized Causal Inference. Houghton Mifflin. ISBN: 978-0395615560
Bu sayfayı kaynak gösterin
ScholarGate. (2026, June 3). Longitudinal Ex Post Facto Research Design. ScholarGate. https://scholargate.app/tr/research-design/longitudinal-ex-post-facto-design
Hangi yöntem?
Bu yöntemi en yakın akrabalarının yanına koyup yan yana okuyun — kütüphane kitapları masaya serer; seçim sizindir.
- Nedensel-Karşılaştırmalı AraştırmaAraştırma tasarımı↔ karşılaştır
- Ex Post Facto TasarımıAraştırma tasarımı↔ karşılaştır
- Uzunlamasına Korelasyonel AraştırmaAraştırma tasarımı↔ karşılaştır
- Boylamsal AraştırmaAraştırma tasarımı↔ karşılaştır
- Panel AraştırmasıAraştırma tasarımı↔ karşılaştır