Bireysel Farklılıkların Kategorik Değişkenler Olarak Modellenmesinde Örtük Sınıf Analizi Kullanımı için Uygulama Kılavuzu: Psikolojik Dayanıklılık Örneği

A Primer on Applied Latent Class Analysis for Modeling Qualitative Differences: An Application on Resilience Data

Özet

Eğitim programlarının hedeflerine ulaşmadaki başarıları, içerdikleri izleme, koruma ve müdahale, plan ve uygulamaların, bu programlardaki öğrencilerin ilgi ve ihtiyaçlarını karşılamadaki başarıları ile doğru orantılı olacaktır. Öğrencilerin farklı gereksinimlere sahip olmalarından kaynaklanan kategorik farklılıkları yansıtabilecek grup değişkenlerinin tanımlanması ve içerdikleri alt grupların belirlenmesi bu anlamda oldukça önemlidir. Bu çalışmada, öğrenci gruplarında oluşabilecek olan niteliksel farklılıkların kategorik değişkenler olarak tanımlanmasında ve test edilmesinde kullanılabilecek istatistiksel bir yöntem olan örtük sınıf analizine odaklanılmıştır. Öğretmen adaylarının psikolojik dayanıklılık alt gruplarının çalışıldığı bir araştırma üzerinden, öğrenci gruplarında var olduğu düşünülen ancak henüz tanımlanmamış kategorik farklılıkların örtük sınıf analizi modelleri ile nasıl çalışılabileceği uygulamalı olarak örneklendirilmiştir. Örtük sınıf analizinin nasıl yapılabileceği, (1) analiz öncesi, (2) analiz ve (3) analiz sonrası olmak üzere üç parçaya ayrılarak aşamalı olarak anlatılmıştır. Son aşamada, elde edilen bulguların teorik bilgiler ile birlikte yorumlanmasının öneminin altı çizilmiş ve örnek uygulama verileri için bulunan dört alt dayanıklılık grubunun, ilgili literatürde geçen ve bireylerin dayanıklılık türlerini savunmasızlık, yeterlik, dayanıklılık ve uyumsuzluk olarak dört ayrı kategoride ele alan teorik bakış açısı ile beraber tartışılmasının getirdiği yorumsal derinliğe vurgu yapılmıştır. Bulguların geçerlilik argümanlarının desteklemesi açısından ikincil değişkenlerin kullanılmasının getireceği potansiyel katkı, sosyal desteği daha yüksek olan bireylerin psikolojik dayanıklılık bakımından daha güçlü bir profil çizen dayanıklılık ve yeterlik gruplarında yer almalarının daha olası olduğu bulgusu ile örneklendirilmiştir. Bu çalışma, hem örtük sınıf analizinin ölçme ve değerlendirme araştırmalarında daha çok yer alabilmesi için araştırmacılara kısa bir kullanım rehberi sunmakta, hem de elde edilecek bulguların kuramsal bilgilerle sentezlenerek, yapılacak geçerlilik argümanlarını zenginleştirmede nasıl kullanılabileceğini örneklendirmektedir.

Abstract

The efficiency of an educational program is closely related to the quality of its monitoring, prevention and treatment strategies that are most suited for students’ characteristics and needs. Group differences reflecting inter-individual differences are needed to be defined as well as the characteristics of the groups reflecting distinct needs of students comprising them. This study focuses on latent class analysis which is a statistical method used for defining and analyzing inter-individual differences as categorical variables. How to conduct a latent class analysis is illustrated via an application that focused on studying qualitative differences in resilience levels of pre-service teachers. The illustration presents the steps of conducting a latent class analysis using three stages: pre-analysis, analysis and post-analysis. The application nicely illustrates the importance of utilizing a theoretical base when providing a validity argument for that it reveals a four categorically different subgroups of resilience which aligns with the vulnerability, competence, resiliency and maladaptation subgroups as suggested by some viable resilience theory. To illustrate how researchers can further enhance the validity of the findings from a latent class analysis, the last section provides an extended application where an external variable, i.e., social support received, is used as a covariate showing that students whose social support was higher in fact more likely to be in “resilience” and “competence” subgroups. The ultimate purpose of this paper is to provide researchers with a brief guide to latent class analysis using a real data illustration.