KaydedilenlerDerginizi ekleyin

Dergiler / Spor Bilimleri Dergisi / 2005 / Cilt: 16 - Sayı: 4

BEDEN EĞİTİMİ YETENEK SINAVINA KATILAN ADAYLARIN BAŞARILARINI ETKİLEYEN DEĞİŞKENLERİN İNCELENMESİNDE KARIŞIMLI MODEL TEKNİĞİNİN KULLANIMI.

Murat KAYRİ
İbrahim GÖKDAŞ
Sayfa
185–199
Yayın Tarihi
2005-08-01
DOI
—
🏛️Bu makalenin bibliyografik verileri ve tam metin bağlantısı DergiPark üzerinden sağlanmıştır.
DergiPark Kaydı ↗
✨

Yapay Zeka Hızlı Bakış & Çıkarımlar

AI Insight
⚡ TL;DR(1 Cümlede Hızlı Çıkarım)

Bu da heterojen olan çalışma evreninin ideal olarak, 2 ayrı homojen alt-sınıfa (sub-population) bölünebileceğini göstermektedir. 609 katılımcıdan 488 birey ortak özellikler taşıdıklarından sınıf 1’e yerleştirilmiş olup, geriye kalan 121 birey de homojen olan ikinci sınıfa yerleştirilmişlerdir.

📌 3 Maddede Bu Makale

🎯
Amaç & Hipotez:Bu çalışmanın amacı spor yeteneği ile akademik başarı ve çevre faktörleri arasındaki ilişkiyi belirlemektir.
📊
Temel Bulgular & Veri:Bu amaçla, Yüzüncü Yıl Üniversitesi Beden Eğitimi ve Spor Bölümü ÖzelYetenek Sınavı’na başvuran 609 birey incelenmiştir.
💡
Sonuç & Katkı:Bu da heterojen olan çalışma evreninin ideal olarak, 2 ayrı homojen alt-sınıfa (sub-population) bölünebileceğini göstermektedir. 609 katılımcıdan 488 birey ortak özellikler taşıdıklarından sınıf 1’e yerleştirilmiş olup, geriye kalan 121 birey de homojen olan ikinci sınıfa yerleştirilmişlerdir.
🔬Tür:Uygulamalı Anket & Alan Araştırması
📍Kapsam:609 birey
⚙️Değişkenler:Mixture model · Latent class · M-Plus

Özet

Bu çalışmanın amacı spor yeteneği ile akademik başarı ve çevre faktörleri arasındaki ilişkiyi belirlemektir. Bu amaçla, Yüzüncü Yıl Üniversitesi Beden Eğitimi ve Spor Bölümü ÖzelYetenek Sınavı’na başvuran 609 birey incelenmiştir. Çalışma evreni dağınık özelliklere sahipbireylerden oluştuğundan; veri analizi ileri istatistik tekniklerinden karışımlı model (mixturemodels) ile yapılmıştır. M-Plus’ta hazırlanan kodlama (syntax), bağımlı değişken olan mekiksayısını etkileyen, bağımsız değişkenlerin (ÖSS puanı, Ağırlıklı Ortaöğretim Başarı Puanı, cinsiyet, baba mesleği, anne mesleği, bölge, lise mezuniyet kolu) incelenmesi ve parametre tahminlemelerini yapmak üzere oluşturulmuştur. Heterojen olan çalışma evreni, karışımlı modeltekniği ile 2 ayrı homojen alt sınıfa ayrılmıştır (Bayesian Information Criterion (BIC) = 5108).5 homojen alt sınıf oluşumu için yapılan kodlamada en düşük BIC değeri sınıf 2 için elde edilmiştir. Bu da heterojen olan çalışma evreninin ideal olarak, 2 ayrı homojen alt-sınıfa (sub-population) bölünebileceğini göstermektedir. 609 katılımcıdan 488 birey ortak özellikler taşıdıklarından sınıf 1’e yerleştirilmiş olup, geriye kalan 121 birey de homojen olan ikinci sınıfa yerleştirilmişlerdir. Araştırmada, bireyin spor yeteneği ile akademik başarısı arasında doğrusalbir ilişkinin olmadığı sonucuna ulaşılmıştır. Diğer taraftan, spor bilimleri alanındaki deneyselincelemeler için, analizi yapılacak olan veri setinin büyüklüğü durumunda; veri setinin heterojenliğini yok edip, homojen alt sınıflar çerçevesinde parametre tahminlemelerinin karışımlımodel tekniği ile sağlıklı bir şekilde yapılabileceği kanısına varılmıştır

🔖

Bu Makaleye Atıf Yap

KAYRİ, M., GÖKDAŞ, İ. (2005). BEDEN EĞİTİMİ YETENEK SINAVINA KATILAN ADAYLARIN BAŞARILARINI ETKİLEYEN DEĞİŞKENLERİN İNCELENMESİNDE KARIŞIMLI MODEL TEKNİĞİNİN KULLANIMI.. Spor Bilimleri Dergisi, Cilt: 16 - Sayı: 4, 185–199. https://ajindex.com/articles/147904

📄 Tam Metin PDF Okuyucu

📄

PDF görüntüleyici hazırlanıyor...

Kaynakça (11)

  1. Baltes, P.B. & Nesselroade, J.R. (1979). His- tory and rationale of longitudinal rese- arch. In J.R. Nesselroade & P.B. Bal- tes (Eds). Longitudinal research in the study of behavior and development. (pp.1-40) New York: Academic Press.
  2. Baltaş, A. (2001).
  3. Eğitim Başarısını Yükselt- mede, Sağlıklı ve Mutlu İnsanlar Yetiş- tirmede Ailenin Rolü. Ana-Baba Okulu (9. Baskı). (ss.161-199) İstanbul:
  4. Remzi Kitapevi. Clogg, C.C. (1995).
  5. Latent class models. In G. Arminger, C.C. Clogg & M.E. Sobel (Eds). Handbook of statistical mode- ling for the social and behavioral sci- ences. (pp.311-359) New York: Ple- num Press.
  6. Collins, L. & Horn, J.L. (1991). Best methods for the analyses of change. Washing- ton, DC: APA Press.
  7. Duncan, T.E. Susan, S.C. Strycker, L.A. & Okut, H. (2002). Growth mixture mo- deling of adolescent alcohol use data: Chapter addendum to An Introducti- on to Latent Variable Growth Curve Modeling: Concepts, Issues, and Applications. Eugene, OR: Oregon Research Institute. Everitt, B.S. & Hand, D.J. (1981). Finite mix- ture distributions. London: Chapman and Hall. Güngörmüş, O. (2001). Baba-Çocuk ilişkisi. Ana-Baba okulu (9. baskı). (ss. 245- 256) İstanbul:
  8. Remzi Kitapevi. Peel, D. & McLachlan, G. (2000). Finite Mix ture Models. Wiley – Interscience Publisher.
  9. Püskülcü, H. & İkiz, F. (1986).
  10. İstatistiğe Giriş. Bornova, İzmir: Ege Üniversitesi Bası- mevi. Titterington, D.M., Smith, A.F.M. & Markov, U.E. (1985). Statistical analyses of fi- nite mixture distributions. Chichester: John Willey & Sons. Topuz, D. & Çakır, M. (2002). Lojistik regres- yon analiz tekniğinin eğitim bilimleri araştırmalarında uygulanabilirliği ile il- gili bir araştırma. Abant İzzet Baysal Üniversitesi Eğitim Fakültesi Dergisi, 11(4), 56-72.
  11. Yang, C.C. (1998). Finite mixture model se- lection with psychometric applicati- ons. Unpublished doctoral dissertati- on. University of California, Los Ange- les. Yeşilova, A. (2003). Biyolojik Çalışmalardan Elde Edilen Kategorik Verilere Karışık Poisson Regresyon Analizinin Uygu- lanması. Yayınlanmamış doktora tezi. Yüzüncü Yıl Üniversitesi Fen Bilimleri Enstitüsü.